基于天牛须搜索算法的短期风电功率组合预测

作者：单斌斌; 李华^*; 谷瑞政; 李玲玲

来源：科学技术与工程, 2022, 22(02): 540-546.

• 短期风电功率预测
• 完全集成经验模态分解
• 改进天牛须搜索算法
• 极限学习机

为了提高风电功率预测精度,提出了一种完全集成经验模态分解(complete ensemble empirical mode decomposition adaptive noise, CEEMDAN)、极限学习机(extreme learning machine, ELM)和改进天牛须搜索算法(improved beetle antennae search algorithm, IBAS)的组合预测模型来预测风电功率。引入动态惯性权重改进天牛的位置更新方式,提高天牛须搜索算法的寻优能力。在预测过程中,首先通过CEEMDAN对原始风电功率数据进行预处理,将非平稳信号分解为一组按照频率和振幅大小排列的序列分量,减少数据波动带来的预测误差。然后利用IBAS优化ELM构建预测模型,分别预测每个序列分量,最后叠加每个序列分量的预测值得到最终预测值。仿真结果表明,与其他预测模型相比,本预测模型预测精度最高,评价指标平均绝对误差(mean absolute error, MAE)、均方根误差(root mean square error, RMSE)、平均绝对百分比误差(mean absolute percentage error, MAPE)均为最小,具有广阔的实际应用前景。

• 单位
  河北工业大学; 国网天津市电力公司检修公司