基于NACEMD-Elman神经网络的风功率组合预测

作者：杨楠; 叶迪; 周峥; 鄢晶; 黄禹; 董邦天

来源：水电能源科学, 2018, 36(09): 209-171.

• 超短期风功率预测
• 复数据经验模态分解的噪声辅助信号分解法
• 神经网络
• 组合预测
• 误差分析

在电力系统中风电装机容量增长的背景下,高精度的超短期风功率预测是保证系统可靠运行的重要基础。为此,提出一种以复数据经验模态分解的噪声辅助信号分解法(NACEMD)和Elman神经网络为基础的超短期风功率组合预测方法。在风功率序列中添加白噪声,使用NACEMD将其按照不同波动尺度逐级分解,得到不同时频特性的分量,然后利用Elman神经网络对各分量建立预测模型,以各分量的不同时频特性为基准对预测结果进行叠加,得到风功率预测值。实例分析表明,提出的组合预测法既可进一步减轻现有方法中存在的模态混叠现象,具备较高的预测精度。研究成果可为风功率预测提供参考。

• 单位
  国网湖北省电力公司