北京交通大学学报
北京交通大學學報
북경교통대학학보
JOURNAL OF NORTHERN JIAOTONG UNIVERSITY
2012年
4期
139-143,148
,共6页
肖燕彩%王鹏%韩肖%徐叔阳
肖燕綵%王鵬%韓肖%徐叔暘
초연채%왕붕%한초%서숙양
风电功率%预测%支持向量机%经验模式分解法
風電功率%預測%支持嚮量機%經驗模式分解法
풍전공솔%예측%지지향량궤%경험모식분해법
由于风电存在着不确定性,风电功率预测对于接入大量风电的电力系统意义重大.为了提高风电功率的预测精度,本文建立了基于经验模式分解法(EMD)与支持向量机(SVM)的复合预测模型考虑到风力机组的输出有很强的非线性,该模型首先将训练数据按风速大小分成高、中、低3组,然后对各组的风电功率样本序列进行经验模式分解,并建立各个频带分量的支持向量机预测模型,各模型的预测结果等权求和即得到最终的功率预测值.使用风电场现场采集数据的预测结果,验证了该方法的可行性和有效性.
由于風電存在著不確定性,風電功率預測對于接入大量風電的電力繫統意義重大.為瞭提高風電功率的預測精度,本文建立瞭基于經驗模式分解法(EMD)與支持嚮量機(SVM)的複閤預測模型攷慮到風力機組的輸齣有很彊的非線性,該模型首先將訓練數據按風速大小分成高、中、低3組,然後對各組的風電功率樣本序列進行經驗模式分解,併建立各箇頻帶分量的支持嚮量機預測模型,各模型的預測結果等權求和即得到最終的功率預測值.使用風電場現場採集數據的預測結果,驗證瞭該方法的可行性和有效性.
유우풍전존재착불학정성,풍전공솔예측대우접입대량풍전적전력계통의의중대.위료제고풍전공솔적예측정도,본문건립료기우경험모식분해법(EMD)여지지향량궤(SVM)적복합예측모형고필도풍력궤조적수출유흔강적비선성,해모형수선장훈련수거안풍속대소분성고、중、저3조,연후대각조적풍전공솔양본서렬진행경험모식분해,병건립각개빈대분량적지지향량궤예측모형,각모형적예측결과등권구화즉득도최종적공솔예측치.사용풍전장현장채집수거적예측결과,험증료해방법적가행성화유효성.
