一种基于VMD-PSO-SVM的短期风电功率预测算法

基于风场数据，利用风电机组功率特性曲线，采用支持向量机（Support Vector Machine,SVM）非线性拟合方法，设计了一种基于变分模态分解（Variational Model Decomposition,VMD）的粒子群优化支持向量机短期功率预测算法.首先，通过VMD将原始风功率序列分解为多组平稳的固有模态函数和趋势项，对风电功率数据进行预处理；其次，利用粒子群算法优化（Particle Swurm Optimization,PSO）支持向量机参数，建立VMD-PSO-SVM组合预测算法模型，对每组固有模态函数和趋势项进行预测，得到多组预测结果，再将其重组，得到功率预测结果；最后，将预测结果与其他预测算法进行对比，结果表明预测精度更高.