典型文献
基于集成经验模态分解和最小二乘双支持向量回归机的风速预测算法研究
文献摘要:
为有效解决风电大规模并网过程中面临的并网难和弃风等问题,实现可再生能源大规模平滑并网并保证大电网的安全稳定运行,采用集成经验模态分解(ensemble empirical mode decomposition,EEMD)和最小二乘双支持向量回归机(least square twin support vector regression,LSTSVR)算法进行风电场风速预测.分别介绍了LSTSVR、EEMD及自适应变异粒子群算法原理.给出基于EEMD和LSTSVR的风速预测流程,以安徽女儿岭风电场测风声雷达30、70 m处风速采样数据为例,开展基于EEMD和LSTSVR的风速预测算法验证,预测结果误差分析表明:基于EEMD+LSTSVR+自适应变异粒子群算法可以实现风电场风速的高精度预测.
文献关键词:
集成经验模态分解;最小二乘双支持向量回归机;自适应变异粒子群;均方根误差;平均绝对百分比误差;风电预测
中图分类号:
作者姓名:
谷豪;李山;李文帅;李智敏;许傲然
作者机构:
国网河南省电力公司直流运检分公司,河南郑州 450000;沈阳工程学院电力学院,辽宁沈阳 110136
文献出处:
引用格式:
[1]谷豪;李山;李文帅;李智敏;许傲然-.基于集成经验模态分解和最小二乘双支持向量回归机的风速预测算法研究)[J].供用电,2022(01):88-96
A类:
最小二乘双支持向量回归机,LSTSVR,EEMD+LSTSVR+
B类:
集成经验模态分解,风速预测,预测算法,算法研究,电大,并网,弃风,可再生能源,大电网,安全稳定运行,ensemble,empirical,mode,decomposition,least,square,twin,support,vector,regression,风电场,别介,自适应变异粒子群算法,算法原理,测流,女儿,测风,风声,声雷达,采样数据,算法验证,误差分析,精度预测,平均绝对百分比误差,风电预测
AB值:
0.249814
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。