中国电力
中國電力
중국전력
ELECTRIC POWER
2014年
5期
129-135
,共7页
经验模态分解%风速预测%掩膜信号法%短期预测%超短期预测
經驗模態分解%風速預測%掩膜信號法%短期預測%超短期預測
경험모태분해%풍속예측%엄막신호법%단기예측%초단기예측
improved empirical mode decomposition%wind speed forecasting%masking signal (MS)%short term forecasting%ultra short term forecasting
在风电预测中,传统的经验模态分解法将风速信号分解为若干具有不同特征尺度的数据分量时,其所得分量可能存在模态混叠现象,影响风速预测的精度.为此,提出一种基于掩模经验模态分解法和遗传神经网络的风速预测组合模型.首先,通过掩膜信号法(masking signal,MS)对经验模态分解法进行改进,将风速信号分解为频率相对固定、更为平稳的分量.之后,利用遗传神经网络算法分别对这些分量进行预测,将各分量预测结果叠加后得到最终风速预测值.通过C++语言编程进行算法实现,采用实际风场数据进行仿真,其结果表明,所提方法计算时间较短,预测精度较高,特别适用于在线超短期(10 min)和短期(1 h)的风速预测,具有实际的工程应用价值.
在風電預測中,傳統的經驗模態分解法將風速信號分解為若榦具有不同特徵呎度的數據分量時,其所得分量可能存在模態混疊現象,影響風速預測的精度.為此,提齣一種基于掩模經驗模態分解法和遺傳神經網絡的風速預測組閤模型.首先,通過掩膜信號法(masking signal,MS)對經驗模態分解法進行改進,將風速信號分解為頻率相對固定、更為平穩的分量.之後,利用遺傳神經網絡算法分彆對這些分量進行預測,將各分量預測結果疊加後得到最終風速預測值.通過C++語言編程進行算法實現,採用實際風場數據進行倣真,其結果錶明,所提方法計算時間較短,預測精度較高,特彆適用于在線超短期(10 min)和短期(1 h)的風速預測,具有實際的工程應用價值.
재풍전예측중,전통적경험모태분해법장풍속신호분해위약간구유불동특정척도적수거분량시,기소득분량가능존재모태혼첩현상,영향풍속예측적정도.위차,제출일충기우엄모경험모태분해법화유전신경망락적풍속예측조합모형.수선,통과엄막신호법(masking signal,MS)대경험모태분해법진행개진,장풍속신호분해위빈솔상대고정、경위평은적분량.지후,이용유전신경망락산법분별대저사분량진행예측,장각분량예측결과첩가후득도최종풍속예측치.통과C++어언편정진행산법실현,채용실제풍장수거진행방진,기결과표명,소제방법계산시간교단,예측정도교고,특별괄용우재선초단기(10 min)화단기(1 h)적풍속예측,구유실제적공정응용개치.