基于EEMD―IGSA―LSSVM的超短期风电功率预测.docVIP

基于EEMD —IGSA—LSSVM的超短期风 电功率预测 为了提高风电场输出功率的 预测精度，在保证安全操作的前提下， 建立了 一种基于集合经验模态分解 （EEMD）、改进引力搜索算法（IGSA）、 最小二乘支持向量机（LSSVM）相结合的 风电功率组合预测模型.首先运用EEMD 算法将风电功率时间序列分解成一系列 复杂度差异明显的子序列；其次利用相 空间重构（PSR）对已分解好的子序列进 行重构，对重构后的每个子序列分别建 立IGSA-LSSVM预测模型，为分析不同核 函数构造LSSVM的差异性，建立了 8种 核函数LSSVM预测模型，利用IGSA算法 求解其模型；最后以中国内蒙古地区的 某一风电场为算例，仿真及验算结果表 明，利用IGSA算法寻优得到的指数径向 基核函数核参数和惩罚因子构建的 LSSVM模型具有较高的预测准确性；与 EEMD-WNN, EEMD-PSO-LSSVM 等 5 种常 规组合模型相比，所提出的指数径向基 核函数的EEMD-IGSA-LSSVM组合模型能 有效、准确地进行风电功率预测. 关键词：集合经验模态分解；风功 率预测；最小二乘向量机；改进引力搜 索算法；指数径向基核函数 TU375 A 1674-2974 (2016) 10-0070-09 Abstract： In order to improve the prediction accu