基于Lorenz扰动分布和VMD的神经网络风速预测研究

论文摘要

针对风速的随机性、非线性和不确定性特征,提出基于VMD和Lorenz扰动的神经网络模型进行风速预测。首先,对风速数据采用变分模态分解(VMD)进行预处理,得到特征模态分量,然后采用BP神经网络对每个分量进行预测,并且将分量预测结果进行重构得到风速点预测值,最后以风速点预测为基础,根据核密度估计的Lorenz扰动序列概率分布进行风速区间预测。以西班牙风电场和中国风电场为实例进行预测,预测结果显示:(1)VMD算法可以提高神经网络模型点预测结果的精度;(2)根据Lorenz扰动序列分布进行风速区间估计,不仅量化了大气中不确定的影响因素,而且区间预测结果可靠性较高。

论文目录

文章来源

类型: 期刊论文

作者: 张亚刚,赵媛,王增平

关键词: 风速预测,核密度估计,扰动

来源: 华北电力大学学报(自然科学版) 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 华北电力大学新能源电力系统国家重点实验室,华北电力大学应用统计研究所

基金: 河北省社会科学基金项目(HB17GL070)

分类号: TM614;TP183

页码: 8-15

总页数: 8

文件大小: 411K

下载量: 239

相关论文文献

标签：风速预测论文;  核密度估计论文;  扰动论文;