基于互补集合经验模态分解-模糊熵-深度信念 网络的短期风速预测

摘要：

针对原始风速序列具有非线性、非平稳性和不可控性的问题,提出基于互补集合经验模态分解(complementary en-semble empirical mode decomposition,CEEMD)-模糊熵(fuzzy entropy,FE)-深度信念网络(deep belief network,DBN)的短期风速预测模型.首先,利用CEEMD方法将原始风速序列分解为一系列不同尺度的本征模态分量(IMF)以降低其非平稳性;其次,利用模糊熵方法将多个IMF分量进行重组以避免分量数目过多给预测精度造成的影响;最后,利用深度信念网络其强大的深度特征提取能力和非线性映射学习能力的优点,分别对新的分量进行预测和叠加获得最终预测值.实验表明,较BP神经网络模型和DBN模型,组合模型提高了预测精度,具有可行性和有效性.

关键词：短期风速预测、互补经验模态分解、模糊熵、深度信念网络、组合模型

所属期刊栏目：19

分类号：TM614(发电、发电厂)

资助基金：天津市教委科技发展基金重点项目2006ZD32

在线出版日期：2019-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：137-143