購物車(0)
基于經(jīng)驗?zāi)B(tài)分解和小波包分解的組合風(fēng)電功率預(yù)測模型分析
關(guān)鍵詞：風(fēng)電功率預(yù)測 經(jīng)驗?zāi)B(tài)分解 小波包分解 縱橫交叉 神經(jīng)網(wǎng)絡(luò)
摘要：為了提高風(fēng)電場輸出功率的預(yù)測精度,提出一種基于經(jīng)驗?zāi)B(tài)分解（empiricalmode decomposition,EMD）與小波包分解（wavelet packet decomposition,WPD）的組合分解方法,與縱橫交叉算法（crisscross optimization,CSO）優(yōu)化后的Elman神經(jīng)網(wǎng)絡(luò)組成組合風(fēng)電功率預(yù)測模型。該模型首先利用EMD將風(fēng)電功率序列進行分解,然后利用樣本熵計算EMD分解后序列的復(fù)雜度。對于高復(fù)雜度序列,利用WPD對序列進行二次分解,建立EMD-WPD-CSO-Elman預(yù)測模型;對于復(fù)雜度適中的序列,采用CSO優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)參數(shù),建立EMD-CSO-Elman預(yù)測模型;對于低復(fù)雜度序列,直接建立EMD-Elman預(yù)測模型。最后疊加各個序列的預(yù)測結(jié)果,得到最終的風(fēng)電預(yù)測功率。以某風(fēng)電場實際采集數(shù)據(jù)為例,預(yù)測提前24 h的風(fēng)電功率,并與EMD-WPD-CSO-BP、EMD-Elman及WPD-Elman預(yù)測模型比較,結(jié)果表明,本文提出的風(fēng)電功率預(yù)測組合模型具有更好的精度。
內(nèi)蒙古電力雜志要求:
{1}正文：文章論點明確，內(nèi)容充實，文字簡練。
{2}文稿要素包括：標(biāo)題，作者，中文摘要，中文關(guān)鍵詞，正文，注釋，英文標(biāo)題，英文摘要，英文關(guān)鍵詞。
{3}題名：簡明確切地反映論文的特定內(nèi)容，一般不超過30字，不得使用不常見的外來語、縮寫詞、符號、代號和商品名稱,盡可能不出現(xiàn)數(shù)學(xué)式和化學(xué)式。
{4}參考文獻必須是公開出版物，應(yīng)在正文中引用處以右上角標(biāo)的形式順序標(biāo)出。
{5}稿件末頁請標(biāo)明作者真實姓名以及準(zhǔn)確的通訊地址、郵政編 碼、E-mail地址、聯(lián)系電話等。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
