基于集合经验模态分解的组合风速预测方法
Electric Power Science and Engineering（2018）
摘要
风速具有很强的波动性、随机性和间歇性,大规模的风电并网时给电网的安全性和稳定性带来严峻的挑战.精确的风速预测可以有效地提升电网运行的安全性.为此,基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和GM(2,1)模型,提出一种对风速变化趋势进行预测的组合风速预测模型,并利用小波分解与神经网络方法对模型进行了深度改进,从而得到一种具有良好预测精度的组合预测方法.实际算例结果表明,与简单的GM(2,1)预测方法以及集合经验模态分解和神经网络的组合预测方法相比,该方法显著降低了平均绝对误差与平均绝对百分误差,具有理想的预测结果,具有广阔的实际应用前景.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要