基于VMD-PE和优化相关向量机的短期风电功率预测

作者：武小梅; 林翔^*; 谢旭泉; 谢海波

来源：太阳能学报, 2018, 39(11): 3277-3285.

DOI：10.19912/j.0254-0096.2018.11.039

• 风电功率
• 预测模型
• 变分模态分解
• 相关向量机
• 排列熵
• 混沌布谷鸟搜索算法

针对风电功率序列非线性、非平稳性等特点,提出一种基于变分模态分解(VMD)-排列熵(PE)和混沌布谷鸟搜索算法(CCS)优化相关向量机的短期风电功率预测新方法。为降低风电功率序列非平稳性和减小计算规模,首先采用变分模态分解技术(VMD),将原始风电功率序列分解成一系列不同的子模态,利用排列熵(PE)分析其复杂度并重组得到子序列;然后采用CCS优化后的相关向量机(CCS-RVM)对各子序列进行提前24 h预测;最后将预测结果叠加得到最终预测值,并利用某风电场实际采集数据进行仿真验证。结果表明,所提预测模型能有效提高风电功率预测的准确性。

• 单位
  广东工业大学