典型文献
基于自适应组合模型的超短期风速预测
文献摘要：
风电场的风速预测对电力系统的稳定及安全运行有着重大的影响.考虑到风速序列具有间歇性和随机性等特征,提出一种基于参数优化的变分模态分解及极限学习机的组合模型,将其用于超短期风速预测.首先,采用变分模态分解算法将风速序列分解为一系列的平稳分量.以正交性为适应度函数,利用网格优化算法搜索变分模态分解的关键参数值——分解层数和惩罚因子,确保分解出来各模态分量之间的信息正交性,抑制耦合分量的产生.然后,利用极限学习机对各分量进行预测.针对极限学习机预测不稳定的问题,采用粒子群算法对其初始权值及阈值进行参数优化,对于该模型的输入维数则运用自回归差分移动平均模型的定阶结果进行自适应确定.最后,叠加各分量的预测值作为最终的预测结果.实验结果表明,所提出的组合模型在预测精度上显著优于其他基准模型.
文献关键词：
参数优化的变分模态分解;自回归差分移动平均模型;粒子群优化算法;极限学习机;超短期风速预测
中图分类号：
作者姓名：
关永锋;喻敏;胡佳
作者机构：
冶金工业过程系统科学湖北省重点实验室(武汉科技大学),湖北 武汉 430081;武汉科技大学理学院,湖北 武汉 430065
文献出处：
引用格式：
[1]关永锋;喻敏;胡佳-.基于自适应组合模型的超短期风速预测)[J].电力系统保护与控制,2022(04):120-128
A类：
超短期风速预测,参数优化的变分模态分解,自回归差分移动平均模型
B类：
组合模型,风电场,电力系统,有间,间歇性,随机性,变分模态分解算法,序列分解,正交性,适应度函数,网格优化,参数值,分解层数,惩罚因子,解出来,模态分量,对极,极限学习机预测,粒子群算法,权值,数则,定阶,粒子群优化算法
AB值：
0.189432
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。
