基于VMD-LILGWO-LSSVM短期风电功率预测 |
| |
引用本文: | 王瑞,李虹锐,逯静,卜旭辉.基于VMD-LILGWO-LSSVM短期风电功率预测[J].河南理工大学学报(自然科学版),2024(2):128-136. |
| |
作者姓名: | 王瑞 李虹锐 逯静 卜旭辉 |
| |
作者单位: | 1. 河南理工大学计算机科学与技术学院;2. 河南理工大学电气工程与自动化学院 |
| |
基金项目: | 国家自然科学基金资助项目(U1804147);;河南省科技攻关项目(222102210120); |
| |
摘 要: | 目的 为了减小风电功率并入国家电网时产生的频率波动,提高风电功率预测精度,方法提出一种结合变分模态分解(VMD)、改进灰狼算法(LILGWO)和最小二乘支持向量机(LSSVM)的风电功率短期预测方法。首先通过VMD方法将风电功率序列分解重构成3个复杂程度性不同的模态分量,降低风电功率的波动性;其次使用LSSVM挖掘各分量的特征信息,对各分量分别进行预测,针对LSSVM模型中重要参数的选取对预测精度影响较大问题,引入LILGWO对参数进行寻优;最后将各分量预测结果叠加重构,得到最终预测风电功率。结果以宁夏回族自治区某地区风电站实际数据为例,对未来三天分别进行预测取平均值,本文方法的预测平均绝对误差(mean absolute error,MAE)为2.706 8 kW,均方根误差(root mean square error,RMSE)为2.021 1,拟合程度决定系数(R-Square,R2)为0.976 9,与对比方法3~6相比,RMSE分别降低了40.93%,25.21%,14.7%,6.24%;MAE分别降低了42.34%,28.04%,16.97%,7.77%;R2分别提升了4...
|
关 键 词: | 风电功率 短期预测 变分模态分解 近似熵 改进灰狼算法 最小二乘支持向 |
|
|