典型文献
基于TVFEMD-SE和YJQRG的短期风电功率多步概率密度预测
文献摘要：
针对短期风电功率预测问题,在现有概率预测方法的基础上,提出一种由基于时变滤波器的经验模态分解(time varying filter-based empirical mode decomposition,TVFEMD),样本熵(sam-ple entropy,SE),Yeo-Johnson 转换分位数回归(Yeo-Johnson transformation quantile regression,YJQR)和高斯核函数组成的多步概率密度预测模型.该方法首先采用TVFEMD分解技术将原始的风电功率分解为一系列相对平稳的分量,再应用SE理论对近似分量做叠加处理以降低任务量.之后对重构的各分量分别建立YJQR模型进行4步风电功率预测,模型的参数通过网格搜索进行综合优化选取,以使其预测性能达到最佳.最后将各个分位点下不同分量的分位数预测值进行累积,并作为高斯核函数的输入变量,实现风电功率多步概率密度预测.以2011年电工数学建模竞赛(electrician mathematical contest in modeling,EMCM)的风电数据集为算例,结果表明所提方法在保证分位数不交叉的情况下,在精度、不确定性和可靠性方面都表现出了更好的多步预测效果.
文献关键词：
风电功率多步概率密度预测;基于时变滤波器的经验模态分解;Yeo-Johnson转换分位数回归;分位数交叉
中图分类号：
作者姓名：
张婉莹;何耀耀;杨善林
作者机构：
合肥工业大学管理学院,合肥230009
文献出处：
引用格式：
[1]张婉莹;何耀耀;杨善林-.基于TVFEMD-SE和YJQRG的短期风电功率多步概率密度预测)[J].系统工程理论与实践,2022(08):2225-2242
A类：
TVFEMD,YJQRG,风电功率多步概率密度预测,基于时变滤波器的经验模态分解,Yeo,YJQR,electrician,EMCM,分位数交叉
B类：
SE,短期风电功率预测,概率预测,varying,filter,empirical,decomposition,样本熵,sam,ple,entropy,Johnson,分位数回归,transformation,quantile,regression,高斯核函数,数组,分解技术,功率分解,任务量,网格搜索,综合优化,预测性能,达到最佳,数学建模竞赛,mathematical,contest,modeling,集为,不交,多步预测
AB值：
0.214461
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。
