基于聚类经验模态分解和最小二乘支持向量机的短期风速组合预测

被引：90

作者：

王贺 ^{[1
]}

胡志坚 ^{[1
]}

张翌晖 ^{[2
]}

李晨 ^{[1
]}

杨楠 ^{[1
]}

王战胜 ^{[3
]}

机构：

[1] 武汉大学电气工程学院

[2] 广西电力科学研究院

[3] 新乡供电公司

来源：

电工技术学报 | 2014年 / 29卷 / 04期

关键词：

风速; 预测; 聚类经验模态分解; 最小二乘支持向量机; 自适应扰动粒子群算法学习效果反馈;

D O I：

10.19595/j.cnki.1000-6753.tces.2014.04.031

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

从分析风速序列的非线性和非平稳性特征出发,将一种基于聚类经验模态分解(EEMD)和最小二乘支持向量机(LSSVM)的组合预测模型引入到风速预测中。首先使用聚类经验模态分解将风速序列分解为一组相对平稳的子序列,以减轻不同趋势信息间的相互影响;然后运用最小二乘支持向量机对各子序列分别建模预测,为降低预测风险,使用自适应扰动粒子群算法(ADPSO)和模型学习效果反馈机制对LSSVM预测模型的输入维数和超参数进行联合优化;最后将各个子序列的预测结果叠加得到预测风速。实例研究表明,本文所提的组合预测模型可以有效挖掘风速序列特性,具有较高的预测精度。

引用

页码：237 / 245

页数：9

共 16 条

[1] 基于相空间重构的神经网络短期风速预测 [J].