基于互补式集合经验模态分解和SSA-ELM的短期风电功率预测

摘要：

根据实际风电功率信号的波动性和非线性,提出了一种基于互补式集合经验模态分解(CEEMD)和樽海鞘群算法极限学习机(SSA-ELM)的短期风电功率预测模型.首先利用CEEMD将风电功率原始信号分解为一系列模态分量和剩余分量,以减小风电功率的非平稳性;其次采用樽海鞘群算法优化极限学习机对不同分量进行预测;最后将不同分量的预测值叠加得到最终的风电功率预测结果.通过实例仿真验证,并与其他方法进行对比,结果表明该预测模型可提供较高精度的预测结果,具有一定的实用价值.

关键词：互补式集合经验模态分解、樽海鞘群算法、极限学习机、风电功率预测

所属期刊栏目：47

分类号：TM614(发电、发电厂)

资助基金：国家自然科学基金地区项目;新疆自然科学基金面上项目

在线出版日期：2021-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：116-120