简介:摘要:为降低风电的不确定性对电力系统稳定运行的影响,通常采用风电功率预测的方法解决这一问题。针对原始的风速信号具有间歇性、不稳定性的特征,本文提出一种对混沌时间序列进行二次集合经验模态分解并运用改进果蝇优化算法改进极限学习机(EEMD-EEMD-MFOA-ELM)的方法。采用二次集合经验模态分解,得到多个更加平稳的不同频段的子序列,更加清晰的表征出原始信号中所包含的信息;为提升预测结果的准确率,将极限学习机权重及偏置采用改进的果蝇优化算法(FOA)改进,使其收敛速度得到提升,将得到的所有风速子序列逐个建立极限学习机(ELM)预测模型进行风速预测;由风速-风功率转化函数关系便得到风电场的功率值。
简介:摘要: 随着新型电力系统的发展,风电新能源在电力系统发电比例不断升高,大规模风电机组并入电网,因为风电机组的不稳定性对电力系统稳定性带来了新的挑战,因此风电功率预测 准确性在电网电力电量平衡和电网安全稳定方面扮演着重要的角色。基于小波优化的多模型结合 的不完备风电功率预测 ,采用多模型结合方式避免单一模型的局限性,同时采用小波优化 多模型结合方式保证预测结果唯一性,防止局部极小值点,有助于提高预测预测精度。
简介:摘要: 随着新型电力系统的发展,风电新能源在电力系统发电比例不断升高,大规模风电机组并入电网,因为风电机组的不稳定性对电力系统稳定性带来了新的挑战,因此风电功率预测 准确性在电网电力电量平衡和电网安全稳定方面扮演着重要的角色。基于小波优化的多模型结合 的不完备风电功率预测 ,采用多模型结合方式避免单一模型的局限性,同时采用小波优化 多模型结合方式保证预测结果唯一性,防止局部极小值点,有助于提高预测预测精度。