首页 | 官方网站   微博 | 高级检索  
     

基于CEEMDAN-SAFA-LSSVM的短期风功率预测
引用本文:张景杨,王维庆,王海云,武家辉.基于CEEMDAN-SAFA-LSSVM的短期风功率预测[J].计算机仿真,2021,38(8):134-138.
作者姓名:张景杨  王维庆  王海云  武家辉
作者单位:新疆大学可再生能源发电与并网技术教育部工程研究中心,新疆乌鲁木齐830047
摘    要:随着电网中风电渗透率的逐年提高,对其出力进行精确预测是保障电网可靠运行的技术措施之一.建立了基于CEEMDAN-SAFA-LSSVM短期风功率组合预测模型.采用完全集合经验模态分解(CEEMDAN)将原始风功率序列分解成特征互异的各个本征模态分量,对分解产生的本征模态分量进行相空间重构,然后根据得到的新模态分量建立相应的最小二乘支持向量机(LSSVM)预测模型.针对LSSVM模型的预测精度易受参数选择的影响,提出萤火虫算法(SAFA)优化LSSVM模型的参数,解决了 LSSVM参数寻优效率低的问题.算例分析表明CEEMDAN-SAFA-LSSVM模型在风功率预测中具有较高的预测精度和预测效率.

关 键 词:短期风功率预测  完全集合经验模态分解  相空间重构  萤火虫算法  最小二乘支持向量机

Short-Term Wind Power Prediction Based on CEEMDAN-SAFA-LSSVM
ZHANG Jing-yang,WANG Wei-qing,WANG Hai-yun,WU Jia-hui.Short-Term Wind Power Prediction Based on CEEMDAN-SAFA-LSSVM[J].Computer Simulation,2021,38(8):134-138.
Authors:ZHANG Jing-yang  WANG Wei-qing  WANG Hai-yun  WU Jia-hui
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号