一种基于VMD-PSO-SVM的短期风电功率预测算法 |
| |
引用本文: | 黄峰,向书琛,王睿,贾任远,游红.一种基于VMD-PSO-SVM的短期风电功率预测算法[J].湖南工程学院学报(自然科学版),2022(2):7-12. |
| |
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 |
|
|