典型文献
基于VMD分解与MIC特征分析的风电功率组合预测
文献摘要：
风力出电预测结果的准确性直接影响电力系统的调度安全,故提出一种基于变分模态分解(VMD)和最大信息系数(MIC)的风电功率组合预测方法.针对风力发电功率时间序列的随机性和波动性,利用VMD将原始风电功率序列分解为具有不同波动特性的模态分量;然后考虑气象信息与风电机组运行条件,采用MIC在考虑时间尺度后对各分量进行特征选择;基于诱导有序加权平均(IOWA)算子建立组合模型分项进行预测;最后将各模态分量的预测结果叠加获得最终预测值.基于风电场实测数据进行实验,结果表明所提组合预测模型能有效提高预测精度.
文献关键词：
风电功率预测;变分模态分解;最大信息系数;门控循环单元;最小二乘支持向量机;IOWA算子
中图分类号：
作者姓名：
甄成刚;张争鹏
作者机构：
华北电力大学 控制与计算机工程学院 河北 保定 071003
文献出处：
引用格式：
[1]甄成刚;张争鹏-.基于VMD分解与MIC特征分析的风电功率组合预测)[J].郑州大学学报（理学版）,2022(03):88-94
A类：
B类：
VMD,MIC,电力系统,变分模态分解,最大信息系数,组合预测方法,风力发电功率,随机性,波动性,序列分解,波动特性,模态分量,气象信息,风电机组运行,运行条件,时间尺度,特征选择,有序加权平均,IOWA,组合模型,分项,风电场,组合预测模型,风电功率预测,门控循环单元,最小二乘支持向量机
AB值：
0.288176
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。
