基于经验模态分解和支持向量机的短期风电功率组合预测模型

基于经验模态分解和支持向量机的短期风电功率组合预测模型

ID:33327231

大小:437.25 KB

页数:7页

时间:2019-02-24

基于经验模态分解和支持向量机的短期风电功率组合预测模型_第1页
基于经验模态分解和支持向量机的短期风电功率组合预测模型_第2页
基于经验模态分解和支持向量机的短期风电功率组合预测模型_第3页
基于经验模态分解和支持向量机的短期风电功率组合预测模型_第4页
基于经验模态分解和支持向量机的短期风电功率组合预测模型_第5页
资源描述:

《基于经验模态分解和支持向量机的短期风电功率组合预测模型》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第31卷第31期中国电机工程学报Vol.31No.31Nov.5,20111022011年11月5日ProceedingsoftheCSEE©2011Chin.Soc.forElec.Eng.文章编号:0258-8013(2011)31-0102-07中图分类号:TM71文献标志码:A学科分类号:470⋅40基于经验模态分解和支持向量机的短期风电功率组合预测模型叶林,刘鹏(中国农业大学信息与电气工程学院,北京市海淀区100083)CombinedModelBasedonEMD-SVMforShort-termWindPowerP

2、redictionYELin,LIUPeng(CollegeofInformationandElectricalEngineering,ChinaAgriculturalUniversity,HaidianDistrict,Beijing100083,China)ABSTRACT:AwindpowerpredictionmethodbasedonEMD将风速序列分解为一系列相对平稳的分量,以减少不empiricalmodedecomposition(EMD)andsupportvector同特征信息间的相互影响;然后利用SVM法

3、对各分量建立machine(SVM)isproposedtotreatwiththenonlinearityand预测模型,针对各序列自身特点选择不同的核函数和相关参nonstationarityofwindspeeddata.Firstly,thewindspeeddata数来处理各组不同数据,以提高单个模型预测精度。最后将isdecomposedintoaseriesofcomponentswithstationarityby风速预测结果叠加并输入功率转化曲线以得到风电功率预usingEMDtoreducetheinflue

4、ncebetweendifferentfeature测结果。研究结果表明,EMD-SVM组合预测模型能更好地information.Then,differentmodelswerebuiltanddifferent跟踪风电功率的变化,其预测误差比单一统计模型降低了kernelfunctionsandparameterswerechosentodealwitheach5%~10%,有效地提高了短期风电功率预测的精度。groupofdatabyusingSVMinordertoimprovethe关键词:经验模态分解;支持向量机;风

5、速;短期风电功forecastingaccuracy.Finally,shorttermwindpower率预测;组合预测模型forecastingwasmadebasedonwindspeeddatathrougha0引言practicalwindpowercurve.Casestudywascarriedouttoinvestigatethevalidityofthenovelalgorithmandtheresults随着风电技术的不断发展和风电场的规模不illustratedthattheforecastingerror

6、ofEMD-SVMcombined断增大,为了保证电力系统的稳定运行和供电可靠modeldecreasedby5%~10%comparedtosinglestatistics[1-2]性,必须对风电系统进行有效的规划和调度。由model.Theproposedcombinedmodelcanimprovetheshort于风电本身所特有的间歇性和不确定性,增加了电termforecastingaccuracyofwindpowereffectivelyby网调度的难度,为了解决风电场的发电量不确定问trackingthechan

7、geofwindpower.题,电网必须提供足够的旋转备用容量,而旋转备KEYWORDS:empiricalmodedecomposition(EMD);用容量的增加间接地增加了风力发电的整体运营supportvectormachine(SVM);windspeed;short-termwindpowerprediction;combinedforecastingmodel成本,所以需要对风电场的输出功率进行预测,通过对风电场发电量进行准确的预测,可以大幅降低摘要:针对风速序列随时间、空间呈现非平稳性变化的特征,电网旋转备用容量

8、,从而有效降低风力发电系统的提出一种基于经验模态分解(empiricalmodedecomposition,[3-5]EMD)和支持向量机(supportvectormachine,SVM)的运行成本,为电网调度运行提供可靠依据。EMD-SVM短期风电功率组合预

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。