典型文献
基于SSA-VMD-SE-KELM结合蒙特卡洛法的风电功率区间预测
文献摘要：
为降低风电功率序列波动性并提高风电功率预测精度,提出一种基于SSA-VMD-SE-KELM和蒙特卡洛法的组合风电功率区间预测模型.采用麻雀搜索算法(SSA)优化后的变分模态分解(VMD)算法将功率序列分解为理想数量子序列,通过计算样本熵(SE)对其重构,得到新子序列分别建立核极限学习机(KELM)点预测模型,叠加各点预测结果得到最终点预测结果及功率误差序列,使用蒙特卡洛法随机抽样得到对应置信度下的预测区间.以实际采集到的历史数据为例进行预测,实验结果表明:与传统模型相比,此模型所得功率预测区间紧密跟随风电功率变化趋势,其区间覆盖率更高、平均宽度更窄.
文献关键词：
风电功率;区间预测;变分模态分解;样本熵;蒙特卡洛法
中图分类号：
作者姓名：
韦权;汤占军
作者机构：
昆明理工大学信息工程与自动化学院,云南昆明 650504
文献出处：
引用格式：
[1]韦权;汤占军-.基于SSA-VMD-SE-KELM结合蒙特卡洛法的风电功率区间预测)[J].智慧电力,2022(09):59-66
A类：
风电功率区间预测
B类：
SSA,VMD,SE,KELM,蒙特卡洛法,波动性,风电功率预测,麻雀搜索算法,变分模态分解,序列分解,子序列,样本熵,核极限学习机,点预测,功率误差,随机抽样,置信度,预测区间,历史数据,传统模型,随风,功率变化趋势,平均宽度
AB值：
0.228799
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。
