基于EEMD-BBO-ELM的短期风电功率预测方法

作者：时彤; 杨朔

来源：分布式能源, 2018, 3(03): 22-27.

DOI：10.16513/j.cnki.10-1427/tk.2018.03.004

• 风电功率预测
• 集合经验模态分解(EEMD)
• 生物地理学优化算法(BBO)
• 极限学习机(ELM)

对风电功率进行短期预测是降低风电不确定性对电力系统稳定运行影响最主要的手段之一。针对短期风电的功率预测,提出了一种基于集合经验模态分解算法(ensemble empirical mode decomposition,EEMD)、生物地理学优化算法(biogeography-based optimization,BBO)和极限学习机(extreme learning machine,ELM)算法的风电功率短期的预测方法(EEMD-BBO-ELM)。首先,利用EEMD算法对原始风电功率序列进行分解;然后,利用BBO算法优化后的ELM算法进行预测;最后,利用实测数据验证可知本文算法的预测性能优秀,收敛速度快,具有较高的工程利用价值。