基于CEEMD-CSO-ELM的短期风速预测

论文摘要

风电在电网系统中的成功整合与应用需要风电机组或风电场产生的风电信息,又因为风速具有不可预测性、间歇性和非线性等特性,所以准确预测非常具有挑战性。因此,本文提出了一种基于互补经验模态分解（CEEMD）与CSO优化神经网络预测模型相结合的短期风速预测的新方法,来达到更优的预测效果。在本文中,CEEMD用于将风速数据分解为多个固有模态函数（IMFs）来进行预测;然后对所有分量建立纵横交叉算法优化极限学习机（CSO-ELM）的预测模型;最后叠加所有序列的预测值作为最终的预测结果。本文对荷兰某风电场的实测小时风速数据集进行大量实验得出结果,来验证所提方法的有效性。

论文目录

• 0 引言
• 1 互补集合经验模态分解
• 2 CSO算法优化
•   2.1 CSO算法
•   2.2 CSO优化ELM参数步骤
• 3 基于CEEMD-CSO-ELM的预测模型
•   3.1 误差评价函数
•   3.2 建模过程
• 4 算例及结果分析
• 5 结论

文章来源

类型: 期刊论文

作者: 邹兰珍

关键词: 互补经验模态分解,纵横交叉算法,极限学习机,风速预测

来源: 现代信息科技 2019年20期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业

单位: 广东电网有限责任公司江门新会供电局

分类号: TM614

DOI: 10.19850/j.cnki.2096-4706.2019.20.003

页码: 12-15

总页数: 4

文件大小: 1336K

下载量: 126