首页|基于信号分解和核极限学习机的风电功率预测

基于信号分解和核极限学习机的风电功率预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统短期风功率预测模型在功率变化较大情况下的预测精度不高问题,提出了一种基于信号分解和量子粒子群算法优化核极限学习机的短期风功率预测模型.首先利用经验小波变换将原始风功率序列分解成为若干个模态分量,再利用核极限学习机建立每个模态分量的预测模型,为了提高模型预测精度,采用量子粒子群算法优化核极限学习机参数,最后将每个模态分量预测值相加得到最终的功率预测结果.以实际风电场发电功率为例,并与其他预测模型进行比较,结果表明所提模型具有较高的预测精度.
Wind Power Prediction Based on Signal Decomposition and Kernel Extreme Learning Machine

马宁、董泽、冯斌

展开 >

华北电力科学研究院有限责任公司,北京 100045

华北电力大学河北省发电过程仿真与优化控制技术创新中心,河北 保定 071003

华北电力科学研究院有限责任公司西安分公司,陕西 西安 710065

风功率预测 核极限学习机 经验小波变换 量子粒子群算法

国家自然科学基金河北省自然科学基金中央高校科研基金

71471060E20185021112019QN134

2022

山东电力技术
山东电机工程学会 山东电力研究院

山东电力技术

影响因子：0.289
ISSN：1007-9904
年,卷(期)：2022.49(1)
  • 6
  • 9