-
题名基于改进EMD和RBFNN的短期风速预测模型
被引量：5
- 1
-
-
作者
尹子中
陈众
黄健
俞晓鹏
邱强杰
文亮
-
机构
长沙理工大学电气与信息工程学院
邵阳市电力经济技术研究所
-
出处
《广东电力》
2016年第4期34-38,44,共6页
-
文摘
为提高短期风速预测精度,提出改进经验模态分解法(empirical mode decomposition,EMD)与径向基函数神经网络(radial basis function neural network,RBFNN)相结合的短期风速预测模型。首先,利用极值点对称延拓法对预处理过的风速序列进行处理,以抑制传统EMD在分解过程中所引起的边缘效应,并引用分段三次埃米特插值法解决传统EMD包络线的过冲或欠冲问题;然后,利用改进EMD将风速序列分解成各本征模态(intrinsic mode function,IMF)分量,再针对各分量分别构建各自的RBFNN模型进行预测;最后,将各分量的预测结果进行重构、叠加,得到最终的原始风速预测值。实验结果表明,改进的EMD-RBFNN预测模型能有效地提高风速预测精度,并具有一定的应用价值。
-
关键词
风速预测
改进经验模态分解法
径向基函数神经网络
-
Keywords
wind speed prediction
improved empirical mode decomposition（EMD）
radial basis function neural network（RBFNN）
-
分类号
TM614
[电气工程—电力系统及自动化]
TB115
[理学—应用数学]
-
