基于CEEMDAN-SAFA-LSSVM的短期风功率预测

作者：张景杨; 王维庆; 王海云; 武家辉

来源：计算机仿真, 2021, 38(08): 134-138.

• 短期风功率预测
• 完全集合经验模态分解
• 相空间重构
• 萤火虫算法
• 最小二乘支持向量机

随着电网中风电渗透率的逐年提高,对其出力进行精确预测是保障电网可靠运行的技术措施之一。建立了基于CEEMDAN-SAFA-LSSVM短期风功率组合预测模型。采用完全集合经验模态分解(CEEMDAN)将原始风功率序列分解成特征互异的各个本征模态分量,对分解产生的本征模态分量进行相空间重构,然后根据得到的新模态分量建立相应的最小二乘支持向量机(LSSVM)预测模型。针对LSSVM模型的预测精度易受参数选择的影响,提出萤火虫算法(SAFA)优化LSSVM模型的参数,解决了LSSVM参数寻优效率低的问题。算例分析表明CEEMDAN-SAFA-LSSVM模型在风功率预测中具有较高的预测精度和预测效率。

• 单位
  新疆大学