基于VMD-IGWO-SVM的风电功率超短期预测研究

论文摘要

为了提高风电功率预测精度,保证风能的有效利用,提出一种基于变分模态分解和改进灰狼算法优化支持向量机的风电功率超短期组合预测模型。采用变分模态分解将风电功率序列分解为一系列具有不同中心频率的模态分量以降低其随机性,将各分量分别建立支持向量机预测模型,并采用改进灰狼算法对其参数寻优,将各分量的预测值叠加重构得到最终的预测值。实例仿真表明,所提的组合预测模型与其他预测模型相比具有更高的预测精度。

论文目录

• 0 引言
• 1 变分模态分解
•   1.1 VMD原理
•   1.2 VMD算法步骤
• 2 基于IGWO优化的SVM模型
•   2.1 SVM回归算法
•   2.2 改进灰狼算法
•     2.2.1 标准灰狼算法
•     2.2.2 改进灰狼算法
•   2.3 IGWO优化SVM参数
• 3 VMD-IGWO-SVM风电功率预测模型
• 4 算例分析
• 5 结语

文章来源

类型: 期刊论文

作者: 沈岳峰,都洪基

关键词: 风电功率超短期预测,变分模态分解,改进灰狼算法,支持向量机,预测精度

来源: 电工电气 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 南京理工大学自动化学院

分类号: TM614

页码: 20-25

总页数: 6

文件大小: 921K

下载量: 242