基于VMD分解与MIC特征分析的风电功率组合预测

作者：甄成刚; 张争鹏^*

来源：郑州大学学报(理学版）, 2022, 54(03): 88-94.

DOI：10.13705/j.issn.1671-6841.2021282

• 风电功率预测
• 变分模态分解
• 最大信息系数
• 门控循环单元
• 最小二乘支持向量机
• IOWA算子

风力出电预测结果的准确性直接影响电力系统的调度安全，故提出一种基于变分模态分解(VMD)和最大信息系数(MIC)的风电功率组合预测方法。针对风力发电功率时间序列的随机性和波动性，利用VMD将原始风电功率序列分解为具有不同波动特性的模态分量；然后考虑气象信息与风电机组运行条件，采用MIC在考虑时间尺度后对各分量进行特征选择；基于诱导有序加权平均(IOWA)算子建立组合模型分项进行预测；最后将各模态分量的预测结果叠加获得最终预测值。基于风电场实测数据进行实验，结果表明所提组合预测模型能有效提高预测精度。

• 单位
  华北电力大学