EEMD和CNN-XGBoost在风电功率短期预测的应用研究

作者：周盛山; 汤占军; 王金轩; 刘曦檬

来源：电子测量技术, 2020, 43(22): 55-61.

DOI：10.19651/j.cnki.emt.2005090

• 集合经验模态分解
• 卷积神经网络
• XGBoost
• 风电功率

为解决风电功率序列随机性强、波动性大、预测误差高的问题,提出一种基于集合经验模态分解与卷积神经网络-极端梯度提升相结合的短期风电功率组合预测模型。该模型首先对原始的风电功率序列进行预处理,剔除缺失值和离群值;其次进行EEMD分解得到一系列子序列;再将每组子序列输入到CNN模型中提取特征信息;最后采用XGBoost回归模型对风电功率进行预测,并和XGBoost、CNN-XGBoost两种预测模型进行对比;经甘肃某风电场的实际风电运行数据验证,EEMD-CNN-XGBoost预测模型具有更好的预测效果以及更高的预测精度。

• 单位
  昆明理工大学; 自动化学院