信息与控制

作者：王瑞, 徐新超, 逯静

关键词：短期风电功率预测, 麻雀搜索算法, 变分模态分解, 混合核函数, 核极限学习机

为提高风电功率的预测精度，提出了一种变分模态分解（variational mode decomposition，VMD）和混合核极限学习机（hybrid kernel extreme learning machine，HKELM）相结合的短期风电功率预测方法。针对VMD和HKELM参数难调问题，以及实现两算法参数的自适应选择，采用麻雀搜索算法（sparrow search algorithm，SSA）对两种算法中的关键参数进行优化。首先，基于3种信号分解指标设计SSA优化VMD的适应度函数，对VMD关键参数进行寻优，利用优化后的VMD将风电功率分解为一组平稳子分量。然后，结合径向基核函数与多项式核函数优点组成混合核函数，对各分量结合气象特征分别建立兼顾学习与泛化能力的HKELM预测模型，并使用SSA对模型参数进行寻优，以充分发挥模型性能。最后，将各分量预测值叠加，得到最终预测结果。以中国内蒙古某风电场实际数据进行仿真实验，结果表明，该方法相比于其他预测方法具有更高的预测精度。

来源：2023年第4期

《信息与控制》期刊编辑部

查看信息与控制杂志2023年第4期