基于經驗模態分解和小波包分解的組合風電功率預測模型分析
關鍵詞：風電功率預測 經驗模態分解 小波包分解 縱橫交叉 神經網絡
摘要：為了提高風電場輸出功率的預測精度,提出一種基于經驗模態分解（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）優化后的Elman神經網絡組成組合風電功率預測模型。該模型首先利用EMD將風電功率序列進行分解,然后利用樣本熵計算EMD分解后序列的復雜度。對于高復雜度序列,利用WPD對序列進行二次分解,建立EMD-WPD-CSO-Elman預測模型;對于復雜度適中的序列,采用CSO優化Elman神經網絡參數,建立EMD-CSO-Elman預測模型;對于低復雜度序列,直接建立EMD-Elman預測模型。最后疊加各個序列的預測結果,得到最終的風電預測功率。以某風電場實際采集數據為例,預測提前24 h的風電功率,并與EMD-WPD-CSO-BP、EMD-Elman及WPD-Elman預測模型比較,結果表明,本文提出的風電功率預測組合模型具有更好的精度。
內蒙古電力雜志要求:
{1}正文：文章論點明確，內容充實，文字簡練。
{2}文稿要素包括：標題，作者，中文摘要，中文關鍵詞，正文，注釋，英文標題，英文摘要，英文關鍵詞。
{3}題名：簡明確切地反映論文的特定內容，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,盡可能不出現數學式和化學式。
{4}參考文獻必須是公開出版物，應在正文中引用處以右上角標的形式順序標出。
{5}稿件末頁請標明作者真實姓名以及準確的通訊地址、郵政編 碼、E-mail地址、聯系電話等。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
