基于二次分解NGO-VMD残差项与长短时记忆神经网络的超短期风功率预测 被引量：17

1

作者 宋江涛 崔双喜 刘洪广 《科学技术与工程》 北大核心 2023年第6期2428-2437,共10页

鉴于目前使用变分模态分解(variational modal decomposition, VMD)搭建的单次或二次分解风功率组合预测模型中,大多均直接忽略了风功率经VMD分解后残差项所包含的丰富信息,使得超短期风功率预测精度受限。提出了一种基于二次分解NGO-VM... 鉴于目前使用变分模态分解(variational modal decomposition, VMD)搭建的单次或二次分解风功率组合预测模型中,大多均直接忽略了风功率经VMD分解后残差项所包含的丰富信息,使得超短期风功率预测精度受限。提出了一种基于二次分解NGO-VMD残差项、K均值聚类算法与长短时记忆神经网络(long short-term memory, LSTM)的组合预测模型。首先,使用北方苍鹰优化算法(northern goshawk optimization, NGO)对VMD的参数进行寻优,以选出最佳VMD参数组合;其次,采用NGO-VMD模型对VMD残差项进行二次分解,深度挖掘VMD残差项所包含的丰富信息;再次,利用K均值聚类算法解决VMD分解模态分量个数多,计算量繁冗的问题;最后,创建LSTM模型对各子模态分量分别进行预测并叠加各子模态分量的预测值得到超短期风功率预测结果。结果表明:该二次分解NGO-VMD残差项、K均值聚类算法和LSTM组合预测模型可充分挖掘VMD残差项的重要信息,有效提高了超短期风功率预测的精度。 展开更多

关键词 二次分解 超短期风功率预测 北方苍鹰优化算法 K均值聚类算法 组合预测

在线阅读 下载PDF 职称材料

基于IEWT-FE-BO-LSTM模型的超短期风功率预测 被引量：10

2

作者 陆秋贤 马刚 涂孟夫 《水电能源科学》 北大核心 2023年第1期217-220,共4页

为提高超短期风功率预测精度,提出一种基于IEWT-FE-BO-LSTM的组合风功率预测模型,首先利用改进经验小波分解(IEWT)对历史风功率数据进行分解;然后引入模糊熵(FE)算法对各分解子模态进行复杂度计算重组子模态;再对各个重组分量分别建立... 为提高超短期风功率预测精度,提出一种基于IEWT-FE-BO-LSTM的组合风功率预测模型,首先利用改进经验小波分解(IEWT)对历史风功率数据进行分解;然后引入模糊熵(FE)算法对各分解子模态进行复杂度计算重组子模态;再对各个重组分量分别建立基于长短时神经网络(LSTM)的预测模型,利用贝叶斯优化算法(BO)进行超参数组合,解决人为调参导致训练结果不佳的问题;最后通过历史风电场数据进行算例分析。结果表明,IEWT-FE-BO-LSTM模型对超短期风功率有较高的预测精度和预测效率。 展开更多

关键词 超短期风功率预测 改进经验小波分解 模糊熵 贝叶斯优化算法

在线阅读 下载PDF 职称材料

含超短期风功率预测增强处理的风储系统超前滚动优化控制策略 被引量：18

3

作者 李滨 邓有雄 陈碧云 《电网技术》 EI CSCD 北大核心 2021年第6期2280-2287,共8页

因风电固有的高不确定性与强随机性的特点,在电力市场中难以与传统机组相竞争,影响其大规模地接入电网。为提高风电跟踪计划出力能力与市场竞争力,首先结合电池储能系统,考虑风储系统运行约束,建立了以区域发电机组并网要求下惩罚电量... 因风电固有的高不确定性与强随机性的特点,在电力市场中难以与传统机组相竞争,影响其大规模地接入电网。为提高风电跟踪计划出力能力与市场竞争力,首先结合电池储能系统,考虑风储系统运行约束,建立了以区域发电机组并网要求下惩罚电量与电池吞吐量最小为目标的优化模型;其次利用卡尔曼滤波算法对超短期风电功率预测数据进行增强处理,提高预测功率的时间分辨率与预测精度;在此基础上,将预测增强处理与超前滚动优化结合,提出了一种含超短期风功率预测增强处理的风储系统超前滚动优化控制策略。仿真结果表明,所提优化控制策略可在满足传统机组并网要求下,提高风储系统市场竞争力与经济性。 展开更多

关键词 风储联合系统 超短期风电功率预测 预测增强处理 滚动优化 控制策略

在线阅读 下载PDF 职称材料

基于经验模态分解与多分支神经网络的超短期风功率预测 被引量：11

4

作者 孟鑫禹 王睿涵 +3 位作者 张喜平 王明杰 丘刚 王政霞 《计算机应用》 CSCD 北大核心 2021年第1期237-242,共6页

风功率预测是实现风电场监控及信息化管理的重要基础,风功率超短期预测常用于平衡负荷、优化调度,对预测精度有较高的要求。由于风电场环境复杂、风速不确定性因素较多,风功率时序信号往往具有非平稳性和随机性。循环神经网络(RNN)适用... 风功率预测是实现风电场监控及信息化管理的重要基础,风功率超短期预测常用于平衡负荷、优化调度,对预测精度有较高的要求。由于风电场环境复杂、风速不确定性因素较多,风功率时序信号往往具有非平稳性和随机性。循环神经网络(RNN)适用于时间序列任务,但无周期、非平稳的时序信号会增加网络学习的难度。为了克服非平稳信号在预测任务中的干扰,提高风功率预测精度,提出了一种结合经验模态分解与多分支神经网络的超短期风功率预测方法。首先将原始风功率时序信号通过经验模态分解(EMD)以重构数据张量,然后用卷积层和门控循环单元(GRU)层分别提取局部特征和趋势特征,最后通过特征融合与全连接层得到预测结果。在内蒙古某风场实测数据集上的实验结果表明,与差分整合移动平均自回归(ARIMA)模型相比,所提方法在预测精度方面有将近30%的提升,验证了所提方法的有效性。 展开更多

关键词 风功率超短期预测 经验模态分解 神经网络 卷积 门控循环单元 特征融合

在线阅读 下载PDF 职称材料

基于超参数优化和误差修正的STAGN超短期风电功率预测 被引量：3

5

作者 潘超 王超 +1 位作者 孙惠 孟涛 《电力系统保护与控制》 北大核心 2025年第8期117-129,共13页

针对风电功率预测模型的数据关联性与误差修正适应性问题,提出基于超参数优化和误差修正单元切换的超短期风电功率预测方法。首先,构建时空注意力门控网络预测模型,利用改进开普勒算法进行超参数优化。然后,考虑风电场数据与预测误差之... 针对风电功率预测模型的数据关联性与误差修正适应性问题,提出基于超参数优化和误差修正单元切换的超短期风电功率预测方法。首先,构建时空注意力门控网络预测模型,利用改进开普勒算法进行超参数优化。然后,考虑风电场数据与预测误差之间的非线性关联,构建误差修正自适应单元。同时挖掘风速时序变化特征,构建深度学习单元。在此基础上,提出基于风速矩阵梯度的误差修正单元切换策略。最后,将模型应用于实际风场的功率预测并与其他模型对比分析。结果表明,所提方法在预测精度上优于其他方法,且在风速复杂多变的风场仍具有较高预测精度,验证了所提方法的准确性和适用性。 展开更多

关键词 超短期风电功率预测 改进开普勒算法 误差修正 风速矩阵梯度

在线阅读 下载PDF 职称材料

基于改进STGCN与N-BEATS的风功率超短期预测

6

作者 程旭初 刘景霞 康荣凯 《现代电子技术》 北大核心 2025年第8期115-121,共7页

精准的风功率预测对电网调度具有重大意义,针对现有预测方法中数据特征提取不充分、输入序列过长时产生梯度消失和预测精度低的问题,提出一种基于改进时空图卷积(STGCN)与神经基扩展分析(N-BEATS)模型的组合预测模型,该方法通过充分提... 精准的风功率预测对电网调度具有重大意义,针对现有预测方法中数据特征提取不充分、输入序列过长时产生梯度消失和预测精度低的问题,提出一种基于改进时空图卷积(STGCN)与神经基扩展分析(N-BEATS)模型的组合预测模型,该方法通过充分提取数据时空特征来提高预测精度。首先,利用STGCN对多元输入序列进行深度特征提取,充分挖掘风机SCADA数据中的时空潜在关系;同时,为了进一步提高预测精度,通过构建序列分解模块与多分辨率卷积对STGCN模型进行改进,使其能够更好地适应风电数据的复杂特性;然后,神经基扩展分析(N-BEATS)新型神经网络对STGCN提取的时空信息数据进行时序关系分析,得到最终预测结果;最后,以内蒙古某风场SCADA数据为例,通过多模型对比实验与自身消融实验验证了所提组合模型策略的有效性以及对STGCN的改进效果。实验结果表明,所设计模型在预测精度上取得了显著的提升,为风电功率预测领域的研究提供了新的思路和方法。 展开更多

关键词 超短期风功率预测 时空图卷积 神经基扩展分析 序列分解 深度特征提取 图卷积网络

在线阅读 下载PDF 职称材料

考虑时序特征缺失值动态插补的超短期风电功率预测

7

作者 李丹 唐建 +2 位作者 缪书唯 黄烽云 罗娇娇 《中国电机工程学报》 北大核心 2025年第17期6790-6803,I0015,共15页

风电功率预测使用的数据集可能存在不同程度的数据缺失现象,由于缺失值处理往往独立于预测模型训练之外,无法充分利用真实数据的时序相关特点提高预测效果,对此提出考虑时序特征缺失值动态插补的超短期风电功率预测方法。针对时序数据... 风电功率预测使用的数据集可能存在不同程度的数据缺失现象,由于缺失值处理往往独立于预测模型训练之外,无法充分利用真实数据的时序相关特点提高预测效果,对此提出考虑时序特征缺失值动态插补的超短期风电功率预测方法。针对时序数据存在缺失值的问题,设计嵌入时滞衰减插补策略的门控循环单元动态捕捉输入特征时间序列中缺失值前后观测值间的不规则时滞关系,并通过带掩码的自相关分析,确定输入特征的最佳时窗长度和时滞衰减率函数的初始参数;基于门控循环单元提取的时序信息,进一步构建序列到序列的预测结构,协调历史和预测时刻输入特征维度不一致的问题,输出未来15 min~4 h的风电功率预测序列。实验结果表明,所提方法在风电数据含缺失值的情景下,与传统的缺失值处理和预测方法相比,具有更高的预测精度和更稳定的预测性能。 展开更多

关键词 超短期风电功率预测 时序特征缺失值 自相关分析 时滞衰减率函数 序列到序列模型

在线阅读 下载PDF 职称材料

基于低风速功率修正和损失函数改进的超短期风电功率预测 被引量：11

8

作者 臧海祥 赵勇凯 +3 位作者 张越 程礼临 卫志农 秦雪妮 《电力系统自动化》 EI CSCD 北大核心 2024年第7期248-257,共10页

风电功率具有较强的波动性和随机性。为进一步提升风电功率的预测精度,提出一种基于低风速功率修正和损失函数改进的超短期风电功率预测模型。该模型采用卷积神经网络、自注意力机制和双向门控循环单元捕获风电功率序列的长期时序依赖... 风电功率具有较强的波动性和随机性。为进一步提升风电功率的预测精度,提出一种基于低风速功率修正和损失函数改进的超短期风电功率预测模型。该模型采用卷积神经网络、自注意力机制和双向门控循环单元捕获风电功率序列的长期时序依赖关系。为了解决低风速下待风状态神经网络难以精确拟合的问题,模型通过预测风速并结合当前时段的风电功率对低风速段的预测功率进行修正。针对参数训练的稳定性问题,模型通过改进预测策略和共享权重,引入一种多元非线性的损失函数来提取序列间的关联性。结果表明,所提模型在多项误差指标中均优于对比模型,能够有效提升超短期风电功率的预测效果。 展开更多

关键词 超短期风电功率预测 功率修正 损失函数改进 神经网络模型

在线阅读 下载PDF 职称材料

基于TCN-Wpsformer混合模型的超短期风电功率预测 被引量：16

9

作者 徐钽 谢开贵 +3 位作者 王宇 胡博 邵常政 赵宇生 《电力自动化设备》 EI CSCD 北大核心 2024年第8期54-61,共8页

针对基于梯度下降的递归神经网络难以捕获时间跨度较长的风电功率长期依赖关系的问题,提出一种基于时间卷积网络(TCN)和窗口概率稀疏Transformer(Wpsformer)混合模型的超短期风电功率预测方法。将包含时间季节性特征的时间编码与包含原... 针对基于梯度下降的递归神经网络难以捕获时间跨度较长的风电功率长期依赖关系的问题,提出一种基于时间卷积网络(TCN)和窗口概率稀疏Transformer(Wpsformer)混合模型的超短期风电功率预测方法。将包含时间季节性特征的时间编码与包含原始数据位置信息的绝对位置编码进行拼接,引入TCN提取时间片段特征,将时间片段特征融入自注意力机制,以时间片段的相关性联系替代时间点的相关性联系。通过Wpsformer模型多步输出超短期风电功率预测值,与原始Transformer模型相比,Wpsformer模型使用窗口概率稀疏自注意力机制,在捕获长期依赖关系的同时筛选出重要程度相对较高的时间片段特征进行计算,提高了预测精度且降低了计算成本。曹店风电场的算例结果表明,所提模型在预测精度方面具有明显优势。消融实验证明了所提模型各模块的必要性。 展开更多

关键词 超短期风电功率预测 时间卷积网络 窗口概率稀疏Transformer 窗口概率稀疏自注意力机制

在线阅读 下载PDF 职称材料

超短期风电功率预测误差数值特性分层分析方法 被引量：42

10

作者 叶林 任成 +2 位作者 赵永宁 饶日晟 滕景竹 《中国电机工程学报》 EI CSCD 北大核心 2016年第3期692-700,共9页

风电功率预测误差特性分析可以为电力系统优化调度与稳定运行提供更加准确的参考。该文提出一种根据超短期风电功率预测误差概率密度特性对误差进行分层,再依据误差波动性和不同层误差幅值特性进行分类处理的预测误差数值特性分析方法... 风电功率预测误差特性分析可以为电力系统优化调度与稳定运行提供更加准确的参考。该文提出一种根据超短期风电功率预测误差概率密度特性对误差进行分层,再依据误差波动性和不同层误差幅值特性进行分类处理的预测误差数值特性分析方法。在概率密度特性提取部分,采用改进后的广义误差分布模型对预测误差概率密度分布进行拟合。该误差分析方法结合了误差模型预测和误差概率密度拟合两种方法的优点,可以更为准确地对超短期风电功率预测误差进行分析和补偿。算例分析结果表明,改进广义误差分布模型的拟合效果优于正态分布、柯西分布和拉普拉斯分布这些常用模型,尤其在尾部特性拟合方面效果更为明显,所提出的误差分层分析方法可以有效减小风电功率预测误差。 展开更多

关键词 超短期风电功率预测 广义误差分布 分层分析 误差补偿

在线阅读 下载PDF 职称材料

基于时间模式注意力机制的BiLSTM多风电机组超短期功率预测 被引量：61

11

作者 王渝红 史云翔 +3 位作者 周旭 曾琦 方飚 毕悦 《高电压技术》 EI CAS CSCD 北大核心 2022年第5期1884-1892,共9页

针对现有预测方法难以批量处理多风机间不同特征的问题,提出了基于时间模式注意力(temporal pattern attention,TPA)机制的双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络多风电机组超短期功率预测方法。首先,基于... 针对现有预测方法难以批量处理多风机间不同特征的问题,提出了基于时间模式注意力(temporal pattern attention,TPA)机制的双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络多风电机组超短期功率预测方法。首先,基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)获得风机原始功率信号的不同模态分量,以降低神经网络预测难度。其次,基于TPA机制,从Bi LSTM网络得到的隐藏行向量中提取多风机之间的复杂联系,从而使得具有不同特征的模态可以从不同时间步选择相关信息,进而降低各模态的预测误差。最后,将TPA机制与传统注意力机制应用于分散分布的14台风机区域功率预测任务。研究结果表明:基于本方法的多风电机组超短期功率预测的标准均方根误差仅为0.0546,证明TPA机制能有效提高多风电机组的超短期功率预测精度。 展开更多

关键词 超短期风电功率预测 多风电机组 时间模式注意力机制 双向长短时记忆 集合经验模态分解

在线阅读 下载PDF 职称材料

基于混沌时间序列GA-VNN模型的超短期风功率多步预测 被引量：45

12

作者 江岳春 张丙江 +2 位作者 邢方方 张雨 王志刚 《电网技术》 EI CSCD 北大核心 2015年第8期2160-2166,共7页

随着风电在电力系统中的渗透水平不断提高,能准确、可靠地进行风功率预测至关重要。为提高风功率超短期预测精度,利用风功率时间序列的混沌特性,推导分析了Volterra泛函模型和3层前馈(back propagation,BP)神经网络在结构上的一致性,提... 随着风电在电力系统中的渗透水平不断提高,能准确、可靠地进行风功率预测至关重要。为提高风功率超短期预测精度,利用风功率时间序列的混沌特性,推导分析了Volterra泛函模型和3层前馈(back propagation,BP)神经网络在结构上的一致性,提出混沌时间序列遗传算法-Volterra神经网络(genetic algorithm-Volterra neural network,GA-VNN)模型,对超短期风功率进行多步预测。该模型将实用的Volterra泛函模型和BP神经网络结合起来,解决了求解Volterra泛函模型高阶核函数的问题。同时设计了一种混沌时间序列GA-VNN模型的学习算法,在算法中利用GA全局寻优能力来优化BP神经网络,获得最优的初始权值和阀值。将上述方法应用于某风电场风功率超短期多步预测中,结果验证了所提模型的多步预测性能明显优于Volterra预测滤波器和BP神经网络。 展开更多

关键词 混沌时间序列 BP神经网络 GA算法 Volterra泛函模型 风功率超短期多步预测

在线阅读 下载PDF 职称材料

基于VMD-SE-IPSO-BNN的超短期风电功率预测 被引量：9

13

作者 殷豪 董朕 孟安波 《电测与仪表》 北大核心 2018年第2期45-51,共7页

准确预测风电功率对风电规模化并网至关重要。为了更精确的对风电功率进行预测,提出一种基于可变模式分解(Variational Mode Decomposition,VMD)-样本熵(Sample Entropy,SE)和改进粒子群算法(Improved Particle Swarm Optimization,IPSO... 准确预测风电功率对风电规模化并网至关重要。为了更精确的对风电功率进行预测,提出一种基于可变模式分解(Variational Mode Decomposition,VMD)-样本熵(Sample Entropy,SE)和改进粒子群算法(Improved Particle Swarm Optimization,IPSO)优化贝叶斯神经网络(Bayesian Neural Network,BNN)的超短期风电功率组合预测模型。首先采用VMD-SE将原始风电功率时间序列分解为一系列不同带宽的模式分量以降低其非线性,然后对全部分量分别建立贝叶斯神经网络模型进行预测,并采用IPSO对神经网络的权值和阈值进行寻优,以求获得最佳的预测效果。实验结果表明,基于VMD-SE的预测模型较采用其他常规分解方式时预测精度明显提高,所提组合预测模型具有较高的预测精度。 展开更多

关键词 超短期风电功率预测 可变模式分解 样本熵 改进粒子群算法 贝叶斯神经网络 预测精度

在线阅读 下载PDF 职称材料

基于动态集成LSSVR的超短期风电功率预测 被引量：3

14

作者 刘荣胜 彭敏放 +2 位作者 张海燕 万勋 沈美娥 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第4期79-86,共8页

针对最小二乘支持向量回归(Least Square Support Vector Regression,LSSVR)建模风电功率时变特性的局限性,提出了一种基于动态集成LSSVR的超短期风电功率预测模型.首先利用风电场监测控制与数据采集(Supervisory Control And Data Acqu... 针对最小二乘支持向量回归(Least Square Support Vector Regression,LSSVR)建模风电功率时变特性的局限性,提出了一种基于动态集成LSSVR的超短期风电功率预测模型.首先利用风电场监测控制与数据采集(Supervisory Control And Data Acquisition,SCADA)与数值天气预报(Numerical Weather Prediction,NWP)系统的历史数据建立离线单体LSSVR模型库,然后根据预测时段与训练时段NWP序列的相似度从单体LSSVR模型库中动态选择候选集成成员,再后综合考虑正确性与多样性确定集成成员.最后由预测时段与训练时段NWP序列间的相似度分配集成LSSVR成员的权重.通过对湖南省某风电场输出功率进行预测,验证了动态集成LSSVR预测模型的有效性,与持续法、自回归求和移动平均法、单体LSSVR模型、常权重LSSVR组合模型及BPNN动态集成模型相比,动态集成LSSVR模型具有更高的精度,在天气非平稳变化阶段更加明显. 展开更多

关键词 超短期风电功率预测 最小二乘支持向量回归 动态集成 动态时间弯曲距离 数值天气预报

在线阅读 下载PDF 职称材料

基于CEEMDAN-PE-WPD和多目标优化的超短期风电功率预测方法 被引量：16

15

作者 常雨芳 杨子潇 +2 位作者 潘风 唐杨 黄文聪 《电网技术》 EI CSCD 北大核心 2023年第12期5015-5025,共11页

为了提高风电功率预测的精度,提出了一种基于总体平均经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、排列熵(permutation entropy,PE)、小波包分解(wavelet packet decomposition,WPD)... 为了提高风电功率预测的精度,提出了一种基于总体平均经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、排列熵(permutation entropy,PE)、小波包分解(wavelet packet decomposition,WPD)和多目标优化的超短期风电功率预测方法。首先,利用CEEMDAN、PE和WPD构成的信号处理方法降低原始风电信号的随机性和波动性;然后,将分解后的子分量输入到长短期记忆(long short-term memory,LSTM)神经网络,并且利用精英T分布麻雀优化算法(elite t-distribution sparrow optimization algorithm,ETSSA)优化LSTM的隐藏层单元数,提升LSTM网络的预测性能;最后,建立多目标优化损失函数,将准确率、稳定度和合格率3个优化目标同时加入到损失函数中,综合提升模型的预测性能。对内蒙古某地区风力发电场的实测数据进行实验分析结果表明,与其他经典预测方法相比,所提方法提升风电功率预测性能有显著效果,并且在不同季节风况下预测效果良好。 展开更多

关键词 超短期风电功率预测 总体平均经验模态分解 排列熵 小波包分解 长短期记忆神经 精英T分布麻雀优化算法 多目标优化

在线阅读 下载PDF 职称材料

基于相似曲线簇和GBRT方法的超短期风电功率预测 被引量：6

16

作者 张颖超 黄飞 +2 位作者 邓华 支兴亮 李慧玲 《华北电力大学学报（自然科学版）》 CAS 北大核心 2018年第6期15-20,共6页

为了减少训练数据的冗余信息,提高风电功率预测的精度,提出了基于相似曲线簇和GBRT方法的超短期风电功率预测模型。首先对历史风速序列进行相似曲线簇的提取,采用相似离度作为相似性判据,对大量历史风速序列与测试集风速序列进行相似性... 为了减少训练数据的冗余信息,提高风电功率预测的精度,提出了基于相似曲线簇和GBRT方法的超短期风电功率预测模型。首先对历史风速序列进行相似曲线簇的提取,采用相似离度作为相似性判据,对大量历史风速序列与测试集风速序列进行相似性的判断,继而找出相似性好的风速曲线簇以及曲线簇中每个风速点对应的功率,并将其作为最终的训练样本,然后采用梯度提升回归树(GBRT)模型进行风电功率的预测。用上海某风场的数据进行对比试验,结果表明,该方法能够明显提高超短期风电功率预测的精度,具有实际意义。 展开更多

关键词 超短期风电功率预测 相似曲线簇 相似离度 GBRT

在线阅读 下载PDF 职称材料

基于EMD-SC和AGSA优化支持向量机的超短期风电功率组合预测 被引量：2

17

作者 江岳春 杨旭琼 +1 位作者 陈礼锋 贺飞 《工程设计学报》 CSCD 北大核心 2017年第2期187-195,共9页

风电功率存在较大的随机性、波动性和相关性,这会对风电并网带来极大的挑战。为提高超短期风电功率预测精度,提出一种基于经验模态分解(empirical mode decomposition,EMD)、谱聚类(spectral clustering,SC)和改进型引力搜索算法(amelio... 风电功率存在较大的随机性、波动性和相关性,这会对风电并网带来极大的挑战。为提高超短期风电功率预测精度,提出一种基于经验模态分解(empirical mode decomposition,EMD)、谱聚类(spectral clustering,SC)和改进型引力搜索算法(ameliorated gravitational search algorithm,AGSA)优化支持向量机(support vector machine,SVM)参数的超短期风电功率组合预测方法。首先通过经验模态分解对风电原始数据进行去噪处理,剔除不规则的数据;然后应用谱聚类对经验模态分解后的子序列进行聚类分析,再应用改进型引力搜索算法优化支持向量机模型对各个子序列进行预测;最后将各子序列的预测结果相加得到最终预测值。以某风电场的实际数据为算例,仿真研究表明,所提出的组合模型能够提高风电功率预测精度,且预测效果较好,同时也证明了所采用方法的合理性。该方法能够用于风电功率的精确预测。 展开更多

关键词 超短期风电功率预测 经验模态分解 谱聚类 改进型引力搜索算法 支持向量机

在线阅读 下载PDF 职称材料

基于OVMD-SSA-DELM-GM模型的超短期风电功率预测方法 被引量：51

18

作者 曾亮 雷舒敏 +1 位作者 王珊珊 常雨芳 《电网技术》 EI CSCD 北大核心 2021年第12期4701-4710,共10页

为了提高风电功率的预测精度,提出了一种基于最优变分模态分解(optimal variational model decomposition,OVMD)、麻雀算法(sparrow search algorithm,SSA)、深度极限学习机(deep extreme learning machine,DELM)和灰色模型(grey model,... 为了提高风电功率的预测精度,提出了一种基于最优变分模态分解(optimal variational model decomposition,OVMD)、麻雀算法(sparrow search algorithm,SSA)、深度极限学习机(deep extreme learning machine,DELM)和灰色模型(grey model,GM)的超短期风电功率预测方法。该方法通过OVMD对原始风电功率时间序列进行自适应分解;然后针对各分量建立DELM预测模型并利用SSA算法进行参数寻优,并对各个分量的预测结果进行求和重构;利用GM对误差序列进行预测;最后将误差的预测值与原始风电功率的预测值叠加得到最终预测结果。对北方某风电场的风电功率数据进行仿真实验,结果表明,该方法预测效果明显优于传统方法,有效提高了超短期风电功率预测的精确性。 展开更多

关键词 超短期风电功率预测 最优变分模态分解 深度极限学习机 麻雀算法 灰色模型

在线阅读 下载PDF 职称材料

基于小波与最小资源分配网络的超短期风电功率预测研究 被引量：22

19

作者 杨杰 霍志红 +3 位作者 何永生 郭苏 邱良 许昌 《电力系统保护与控制》 EI CSCD 北大核心 2018年第9期55-61,共7页

针对风电场实际风速和风电功率序列的波动性、间歇性等特点以及RBF神经网络结构一旦确定隐节点个数就不可变等缺陷,提出了基于小波分析和最小资源分配网络的超短期风电功率预测方法。首先将历史风速和风电功率序列进行小波去噪及多频分... 针对风电场实际风速和风电功率序列的波动性、间歇性等特点以及RBF神经网络结构一旦确定隐节点个数就不可变等缺陷,提出了基于小波分析和最小资源分配网络的超短期风电功率预测方法。首先将历史风速和风电功率序列进行小波去噪及多频分解,得到多组高频信号和一组低频信号。然后对各频信号分别建立神经网络预测模型对未来4 h风电功率进行超短期预测。最后将各预测结果通过小波重构得到最终的超短期预测功率。实验结果证明,该方法能有效提高预测精度。 展开更多

关键词 风电场 神经网络 小波分析 最小资源分配网络 超短期风电功率预测

在线阅读 下载PDF 职称材料

基于超短期风电预测功率的储能系统跟踪风电计划出力控制方法 被引量：52

20

作者 闫鹤鸣 李相俊 +1 位作者 麻秀范 惠东 《电网技术》 EI CSCD 北大核心 2015年第2期432-439,共8页

为最大程度地提高风电跟踪计划出力能力,基于超短期风电预测功率建立了包含5个控制系数的储能系统充放电控制策略,并提出了利用粒子群优化算法实时优化储能系统充放电控制系数的方法,以减少日前短期风电预测误差。以典型风电场出力为例... 为最大程度地提高风电跟踪计划出力能力,基于超短期风电预测功率建立了包含5个控制系数的储能系统充放电控制策略,并提出了利用粒子群优化算法实时优化储能系统充放电控制系数的方法,以减少日前短期风电预测误差。以典型风电场出力为例进行仿真分析,对固定系数方法及滚动优化系数方法进行了比较,并分析了影响预测精度的因素,结果验证了所提方法的可行性。 展开更多

关键词 超短期风电预测功率 风电计划出力 储能系统充 放电控制策略 滚动优化 荷电状态

在线阅读 下载PDF 职称材料