《提出了一种基于变分模式分解的多目标风速和风电功率预测区间预测方法》

  • 来源专题:可再生能源
  • 编译者: pengh
  • 发布时间:2019-01-24
  • 摘要将变分模式分解(VMD)、多核鲁棒岭回归(MKRR)和多目标混沌水循环算法(MOCWCA)相结合,提出了一种新的混合多目标风速和风电预测区间预测(PIs)模型。利用VMD将主时间序列信号分解成合适的模态数,避免了模态间的相互影响。采用基于VMD的MKRR方法分别在95%、90%、85%和80%的预测区间名义置信水平(PINC)下估计风速和风电预测区间。为了进一步提高预测模型的性能,引入MOCWCA对预测模型参数进行优化,以满足多个目标产生帕累托最优解。风速和功率预测区间预测的数据样本采集30?分钟和1小时时间间隔Sotavento风电场位于西班牙。

    ——文章发布于2019年6月

相关报告
  • 《基于低秩多核脊回归的模式分解预测风速和风力的区间预测》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2018-06-21
    • 本文提出了一种新的混合变分模式分解(VMD)和低秩多核岭回归(MKRR)的混合方法,用于短期预测风速和风力的预测区间(PIs)。利用VMD方法对原始时间序列信号进行分解,以防止不同模式间的相互影响。提出VMD-MKRR方法用于构造π与不同的信心水平的95%,90%和85%的两个风电场风速和风力发电位于怀俄明州的状态,美国?10分钟的时间间隔,?30分钟和1?h和加州的时间间隔分别为1?h。通过与基于经验模态分解(EMD)的低秩核脊回归的比较,验证了基于VMD的风速和风力模型的优越性。为了进一步提高模型性能,采用全局最优算法(MFAGO)对模型参数进行了优化。 —文章发布于2018年12月
  • 《研究和应用一种基于可变重量的短期风速预测模型》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2017-10-17
    • 风速预测在风力发电厂和电力系统的运行中扮演着重要的角色。然而,由于风速数据包含随机非线性序列,因此很难获得令人满意的预测结果。目前的一些统计模型在预测非线性时间序列方面并不熟练,而人工智能模型常常落入局部的最佳状态。基于这些原因,结合基于分解方法和优化算法的混合模型,成功地利用多步速预测的变加权组合理论,成功地开发出了一种新颖的组合预测模型。在此模型中,提出了三种不同的混合模型,并进一步改进预测性能,采用改进的支持向量回归方法,将各混合模型得到的结果综合起来,得到最终的预测结果。摘要以中国蓬莱为例,以10分钟为例,验证了该预测模型的预测效果。实验结果表明,该模型不仅优于其他基准模型,而且可以较好地应用于智能电网的规划中。 ——文章发布于2018年2月