基于小波分解和极限学习机的短期风速组合预测研究

《基于小波分解和极限学习机的短期风速组合预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第33卷第8期可再生能源Vol.33No.82015年8月RenewableEnergyResourcesAug.2015基于小波分解和极限学习机的短期风速组合预测研究1121汪小明，肖猛，杨楠，尹笋（1.国网四川省电力公司经济技术研究院（成都城电电力工程设计有限公司），四川成都610041；2.三峡大学新能源微电网湖北省协同创新中心，湖北宜昌443000）摘要：提出一种基于小波分解（WaveletDecomposition，WD）和极限学习机（ExtremeLearningMachine，ELM）的新型短期风速组合预

2、测模型。首先，采用小波分解将风速序列分解成不同频段的分量，以降低序列的非平稳性；其次，为避免极限学习机输入维数选取的随意性等问题，先对各分量进行重构相空间，再使用改进的极限学习机对各分量分别建模预测；最后，将各分量预测结果叠加得到最终预测结果。实验结果表明，文章所提的组合预测模型具有较高的预测精度。关键词：风速；预测；极限学习机；小波分解；相空间重构中图分类号：TM76文献标志码：A文章编号：1671-5292（2015）08-1159-05DOI:10.13941/j.cnki.21-1469/tk.2015.08.

3、0070引言值。极限学习机极大地提高了网络的学习速度和风能的间歇性和随机性使其输出功率波动较泛化能力，具有较强的非线性拟合能力，并且在模[11]大，风电并网后对电力系统调度和电能质量都造式分类、非线性预测等方面取得了较好的效果。[1]成影响。如果能对风速进行有效预测，则可以减然而，风速序列作为一种具有非线性和非平稳性少电力系统备用容量、降低系统运行成本，从而提的特殊序列信号，极限学习机虽然可以很好地拟[2]高风电在电网中的装机容量和竞争力。合风速的非线性部分，但是风速的非平稳性会对研究人员在风速预测方面进行了大量研究，

4、预测效果造成较大影响，因此降低风速的非平稳并取得了一系列成果。目前，建立的预测模型主要性尤为重要。小波变换可以将一个复杂的非平稳有：回归模型、高斯过程回归模型、支持向量机模性信号分解成不同频率段信号，从而有效降低序[3]~[9]型和神经网络模型等。这些模型各有优缺点，列的非平稳性。基于以上分析，本文提出一种基于回归模型的预测精度有待提高。高斯过程回归模小波分解和极限学习机的新型风速组合预测模型和支持向量机模型的预测结果在一定程度上受型。实验结果表明，本文所提出的模型取得了较好到核函数的选择和参数优化的影响，而人工神经的

5、预测效果。网络模型在风速预测中较为成熟，人工神经网络1极限学习机具有逼近任意非线性函数的能力，可以有效地映极限学习机是一种新型的单隐层前向神经网[10]，[11]pp射出非线性关系，因此，在风速预测中得到广泛应络，对于N个不同样本（xi，ti），xi∈R，ti∈R，[6]~[8]用。但是，人工神经网络存在实时在线学习能i=1，…，N，含有L个节点且激发函数为f（x）的极力不强，算法运行时间长，容易陷入局部极小等问限学习机数学模型可表示为N题。[10]Σβif（w·ixj+bi）=yjj=1，…，N（1）极限学习机是Gu

6、angbinHuang于2006年i=1提出的一种新型单隐层前向神经网络（Single-式中：βi为连接第i个隐层节点和输出神经元之HiddenLayerFeedforwardNeuralnetworks，SLFNs），间的连接权向量；w=[w，w，…，w]T是连接第iii1i2in该网络可在随机选择输入层权值和隐层神经元阈个隐层节点和输入节点的权重；bi为第i个隐层值的前提下，通过一步计算即可求得网络输出权节点的偏差；yj为第j个节点的输出值；w·ixj构成收稿日期：2014-08-19。基金项目：国家自然科学基金（

7、51207113）。作者简介：汪小明（1986-），男，硕士研究生，研究方向为电力系统分析与控制、新能源并网技术。E-mail：472809521@qq.com·1159·可再生能源2015，33（8）wi和xj的内积。号的局部特性，提供更高质量的学习样本。设x（t）网络的训练过程是一个逼近N个训练样本为某风速信号，其连续小波变换的表达式为+∞1*t-b的过程，即存在w赞i，b赞i，β赞。使WTx（b，a）=乙x（t）ψ乙乙dt（6）姨a-∞aNΣβ赞if（w赞·ixj+b赞i）=tjj=1，…，N（2）1i=1式中：

8、a为尺度参数；b为平移参数；ψb，a（t）=姨a式（2）可表示为乙t-b乙Hβ=T（3）a称为小波基函数；WTx（b，a）为小波积分变f（w1x1+b1）…f（wLx1+bL）换函数。式中：H=Σ……Σ；ssf（w1xN+b1）…f（wLxN+bL）令a=1/2，b=k/2，其中k和s属于整数集Z，N×L得到x（t）的离散小波变换