改进灰狼算法的核极限学习机的风功率预测 |
| |
作者姓名: | 朱昶胜 赵奎鹏 |
| |
作者单位: | 兰州理工大学 甘肃 兰州730050 |
| |
基金项目: | 国家自然科学基金项目(11364024,51661020); |
| |
摘 要: | 针对风能的波动性、非平稳性导致风电功率预测精度不高的问题,研究并提出一种基于可变模式分解(VMD)技术和改进灰狼算法(DIGWO)优化核极限学习机(KELM)的短期风电功率预测模型。将功率信号进行分解得到若干个不同带宽的模式分量,对各个模式分量建立核极限学习机预测模型。为提高核极限学习机的寻优能力,采用改进的灰狼算法对核极限学习机的参数进行优化,得到各个模式分量的预测值,将分量预测值进行叠加后得到风电功率最终预测。采用实际风电功率数据进行实验仿真,实验结果表明,该模型的RMSE和MAE分别是1.5%和1.16%,相比其他模型提高了风电功率预测精度。
|
关 键 词: | 风电功率预测 可变模态分解 灰狼算法 核极限学习机 预测精度 |
本文献已被 万方数据 等数据库收录! |
|