基于CEEMDAN-ISSA-BPNN组合模型的风机功率短期预测

摘要：

针对风力的随机性和不稳定性导致风机功率数据特征难以获取,以及预测的时间和精度不稳定的问题,提出了一种基于自适应噪声完备集成经验模态分解(CEEMDAN)结合改进的麻雀搜索算法(ISSA)优化反向传播神经网络(BPNN)的预测方法.首先,采用CEEMDAN进行序列分解,提取各尺度特征分量,得到不同时间尺度的局部特征分量;其次,引入混沌映射和动态权重优化麻雀搜索算法(SSA),对单一 BPNN的局部极小化、收敛速度慢问题进行优化;最后,依据各分量展示的数据特征,建立ISSA-BPNN预测模型进行预测.仿真结果分析表明:CEEMDAN-ISSA-BPNN组合模型具有更高的预测精度,预测效果更佳.

关键词：风机功率预测、组合算法模型、自适应噪声完备集成经验模态分解(CEEMDAN)、麻雀搜索算法(SSA)、神经网络

所属期刊栏目：26

分类号：TM614(发电、发电厂)

资助基金：上海市高峰高原学科资助项目;上海市科委大功率风电机组实时仿真并网试验平台及认证测试技术研究

在线出版日期：2023-08-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：141-146