基于集合经验模态分解和改进极限学习机的短期风速组合预测.PDFVIP

第42 卷 第 10 期 电力系统保护与控制 Vol.42 No.10 2014 年5 月16 日 Power System Protection and Control May 16, 2014 基于集合经验模态分解和改进极限学习机的 短期风速组合预测研究 1 2 2 1 1 1 2 张翌晖 ，王 贺 ，胡志坚 ，王 凯 ，黄东山 ，宁文辉 ，张承学 （1.广西电力科学研究院，广西 南宁 530023; 2.武汉大学电气工程学院，湖北 武汉 430072 ） 摘要：提出一种基于集合经验模态分解 （Ensemble empirical mode decomposition ）和改进极限学习机 （Improved Extreme Learning Machine，IELM）的新型短期风速组合预测模型。采用集合经验模态分解将风速序列分解成不同频段的分量，以降 低序列的非平稳性。使用改进极限学习机对各分量分别建模预测，为避免极限学习机输入维数选取的随意性和分量信息丢失 等问题，先对各分量重构相空间，最后将各分量预测结果叠加得到最终预测结果。实例研究表明，所提的组合预测模型具有 较高的预测精度。 关键词：风速；预测；改进极限学习机；集合经验模态分解；相空间重构 A hybrid short-term wind speed forecasting model based on ensemble empirical mode decomposition and improved extreme learning machine 1 2 2 1 1 1 2 ZHANG Yi-hui , WANG He , HU Zhi-jian , WANG Kai , HUANG Dong-shan , NING Wen-hui , ZHANG Cheng-xue ( 1. Guangxi Electric Power Research Institute, Nanning 530023, China; 2. School of Electrical Engineering, Wuhan University, Wuhan 430072, China) Abstract ：This paper proposes a new short-term combination prediction model of wind speed by means of ensemble empirical mode decomposition (EEMD) and improved extreme learning machine (IELM). Firstly, wind speed series is decomposed into several components with different frequency bands by EEMD to reduce the series non-stationary. Secondly, the phase space of each component is reconstructed