首页 | 本学科首页   官方微博 | 高级检索  
     

一种基于VMD-PSO-SVM的短期风电功率预测算法
作者姓名:黄峰  向书琛  王睿  贾任远  游红
作者单位:1. 湖南工程学院电气与信息工程学院
基金项目:国家自然科学基金资助项目(62006075);;湖南省自然科学基金资助项目(2020JJ6021);
摘    要:
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.

关 键 词:风电功率预测  变分模态分解  粒子群算法  支持向量机
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号