基于改进EEMD-SE-ARMA的超短期风功率组合预测模型.PDFVIP

第 45 卷 第4 期 电力系统保护与控制 Vol. 45 No. 4 2017 年2 月16 日 Power System Protection and Control Feb. 16, 20 17 OI: 10.7667/PSPC160284 基于改进 EEM -SE-ARMA 的超短期风功率组合预测模型 田 波，朴在林，郭 丹，王 慧 (沈阳农业大学信息与电气工程学院，辽宁 沈阳 1108 ) 摘要：针对风力发电功率时间序列具有非线性和非平稳性的特性，提出 一种改进的集成经验模态分解(Modified Ensemble Empirical Mode ecomposition ，MEEM )-样本熵(Sample Entropy，SE)-ARMA 的风电功率超短期组合预 测模型。将 EEM 分解中添加的白噪声信号改为添加绝对值相等的正负两组白噪声信号，并将 MEEM 分解过 程中的 EM 步骤使用端点延拓和分段三次埃尔米特插值进行改进，形成一种改进的 EEM 分解算法( 即 MEEM ) 。利用 MEEM -SE 将风力发电功率时间序列分解为一系列复杂度差异明显的风电子序列；针对每一个 不同的子序列建立适当的ARMA 预测模型；将各预测分量进行叠加重构，得到最终的风电功率预测值。通过算例 分析及与其他几种预测模型预测结果的对比，证明MEEM -SE-ARMA 组合预测模型可以有效地提高风力发电功 率超短期预测的精度。 关键词：改进的集成经验模态分解；风电预测；样本熵；时间序列；组合预测模型；端点延拓 Wind power ultra short-term model based on improved EEMD-SE-ARMA TIAN Bo, PIAO Zailin, GUO an, WANG Hui (College of Information and Electrical Engineering, Shenyang Agricultural University, Shenyang 110866, China) Abstract: In view of the nonlinear and non-stationary characteristics of wind power time series, this paper presents a modified ensemble empirical mode decomposition (MEEM )-sample entropy (SE)-ARMA wind power ultra short term combined forecasting model. The white noise signal added in the EEM decomposition is changed to two groups positive and negative white noise signal which have the equal absolute value, and the EM steps of the decomposition process of