资源描述：
《基于样本熵和极端学习机的超短期风电功率组合预测模型.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、第33卷第25期中国电机工程学报Vol.33No.25Sep.5,20132013年9月5日ProceedingsoftheCSEE©2013Chin.Soc.forElec.Eng.33文章编号：0258-8013(2013)25-0033-08中图分类号：TM711；TM614文献标志码：A学科分类号：470·40基于样本熵和极端学习机的超短期风电功率组合预测模型张学清，梁军，张熙，张峰，张利，徐兵(电网智能化调度与控制教育部重点实验室(山东大学)，山东省济南市250061)CombinedModelforUltraSh
2、ort-termWindPowerPredictionBasedonSampleEntropyandExtremeLearningMachineZHANGXueqing,LIANGJun,ZHANGXi,ZHANGFeng,ZHANGLi,XUBing(KeyLaboratoryofPowerSystemIntelligentDispatchandControlofMinistryofEducation(ShandongUniversity),Jinan250061,ShandongProvince,China)ABSTRA
3、CT:Anultrashort-termwindpowercombineddecomposition，EMD)–样本熵(sampleentropy，SE)和极端学predictionapproachbasedonempiricalmodedecomposition习机(extremelearningmachine，ELM)相结合的风电功率超(EMD)-sampleentropy(SE)andextremelearningmachine短期预测方法。该方法首先利用EMD-SE将风电功率时间(ELM)wasproposed.Fi
4、rstly,thewindpowertimeserieswas序列分解为一系列复杂度差异明显的风电子序列；其次利用decomposedintoaseriesofwindpowersubsequenceswith最小二乘支持向量机(leastsquaressupportvectormachine，obviousdifferencesincomplexdegreebyusingEMD-SE.LSSVM)、极端学习机和经原始岭回归(primalridgeSecondly,thepredictionmodelsofeachsubse
5、quencewereregression，PRR)改进的极端学习机(PRR-ELM)对各子序列constructedwithleastsquaressupportvectormachine建立组合预测模型，并采用交叉验证法和重构相空间法确定(LSSVM),extremelearningmachine(ELM)andELM各模型的参数和输入向量维数，以提高各组合模型的预测精improvedbyprimalridgeregression(PRR-ELM),ofwhichthe度；最后以某一风电场实际采集的数据为算例，结果表明基p
6、arametersandtheinputvectordimensionsweredetermined于EMD-SE理论的ELM和PRR-ELM组合预测模型在预测bycrossvalidationandchaoticphasespacetheorytoimprove精度和训练速度上都明显优于EMD-SE理论和LSSVM的theforecastingaccuracyofeachpredictionmodel.Finally,组合模型，且其预测结果更接近于真实值，为实现风电功率takingtheactualcollectingda
7、taofcertainawindfarmforan在线的较高精度超短期预测提供了可能。example,thesimulationresultsillustratethatELMand关键词：风电预测；样本熵；极端学习机；岭回归；支持向PRR-ELMpredictionmodelbasedonEMD-SEaremuch量机betterthanthecombinedLSSVMmodelbasedonEMD-SEonforecastingaccuracyandtrainingspeed,andtheprediction0引言res
8、ultsofELMareclosertotheactualvalue,bywhichitis由于风电固有的间歇性和随机性，风电大规模possibletoachievetheonlineultrashort-termwindpower[1-2]并网必将给电网运行与控制带来难度。为了解决com
