基于经验模态分解和小波包分解的组合风电功率预测模型分析!.pdfVIP

内蒙古电力技术 2017 年第35 卷第2 期 INNER MONGOLIA ELECTRIC POWER 15 doi:10.3969/j.issn. 1008-6218.2017.02.020 基于经验模态分解和小波包分解的组合风电功率 预测模型分析 马留洋，董 朕 （广东工业大学 自动化学院，广州 510006 ） 摘要：为了提高风电场输出功率的预测精度，提出一种基于经验模态分解（empirical mode decomposition ，EMD ）与小波包分解（wavelet packet decomposition ，WPD ）的组合分解方 法，与纵横交叉算法（crisscross optimization, CSO ）优化后的Elman 神经网络组成组合风电功 率预测模型。该模型首先利用EMD 将风电功率序列进行分解，然后利用样本熵计算EMD 分 解后序列的复杂度。对于高复杂度序列，利用WPD 对序列进行二次分解，建立 EMD-WPD-CSO-Elman 预测模型；对于复杂度适中的序列，采用CSO 优化Elman 神经网络参 数，建立EMD-CSO-Elman 预测模型；对于低复杂度序列，直接建立EMD-Elman 预测模型。 最后叠加各个序列的预测结果，得到最终的风电预测功率。以某风电场实际采集数据为例， 预测提前24 h 的风电功率，并与EMD-WPD-CSO-BP、EMD-Elman 及WPD-Elman 预测模型 比较，结果表明，本文提出的风电功率预测组合模型具有更好的精度。 关键词：风电功率预测；经验模态分解；小波包分解；纵横交叉；神经网络 文献标志码：A 中图分类号：TM614 文章编号：1008-6218（2017 ）02-0015-07 Analysis of Combined Wind Power Forecasting Model Based on EMD and WPD MA Liuyang, DONG Zhen （Guangdong University of Technology, Guangzhou 510006, China） Abstract ：In order to improve the prediction accuracy of wind power, put forward a combined decomposition method based on empirical mode decomposition (EMD) and wavelet packet decomposition (WPD), forming a combination forecasting method with the Elman neural network optimized by crisscross optimization algorithm (CSO). In this method, firstly, EMD is used to decompose wind power series. In order to overcome the model aliasing problems of EMD, using sample entropy to classify the EMD decomposed sequence. According to the characteristics of di