电工技术学报
電工技術學報
전공기술학보
TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY
2013年
9期
137-144
,共8页
王贺%胡志坚%陈珍%仉梦林%贺建波%李晨
王賀%鬍誌堅%陳珍%仉夢林%賀建波%李晨
왕하%호지견%진진%장몽림%하건파%리신
风功率%预测%集合经验模态分解%小波神经网络%组合模型
風功率%預測%集閤經驗模態分解%小波神經網絡%組閤模型
풍공솔%예측%집합경험모태분해%소파신경망락%조합모형
Wind power%forecasting%ensemble empirical mode decomposition(EEMD)%wavelet neural networks(WNN)%hybrid model
从挖掘风功率特性出发,提出一种基于集合经验模态分解(EEMD)和小波神经网络(WNN)的新型风功率组合预测模型.首先对风功率序列进行集合经验模态分解,以降低风功率序列的非平稳性特征；其次基于相空间重构挖掘各子序列的统计特性,以避免预测模型输入维数选取的随意性；然后对各子序列建立小波神经网络预测模型；最后叠加各子序列预测结果得到风功率预测值.实例研究表明本文所提的组合预测模型具有较高的预测精度和较大的工程应用潜力.
從挖掘風功率特性齣髮,提齣一種基于集閤經驗模態分解(EEMD)和小波神經網絡(WNN)的新型風功率組閤預測模型.首先對風功率序列進行集閤經驗模態分解,以降低風功率序列的非平穩性特徵；其次基于相空間重構挖掘各子序列的統計特性,以避免預測模型輸入維數選取的隨意性；然後對各子序列建立小波神經網絡預測模型；最後疊加各子序列預測結果得到風功率預測值.實例研究錶明本文所提的組閤預測模型具有較高的預測精度和較大的工程應用潛力.
종알굴풍공솔특성출발,제출일충기우집합경험모태분해(EEMD)화소파신경망락(WNN)적신형풍공솔조합예측모형.수선대풍공솔서렬진행집합경험모태분해,이강저풍공솔서렬적비평은성특정；기차기우상공간중구알굴각자서렬적통계특성,이피면예측모형수입유수선취적수의성；연후대각자서렬건립소파신경망락예측모형；최후첩가각자서렬예측결과득도풍공솔예측치.실례연구표명본문소제적조합예측모형구유교고적예측정도화교대적공정응용잠력.
