改进的EMD及其在风电功率预测中的应用

摘要：

针对非平稳信号在经验模态分解(Empirical Mode Decomposition,EMD）过程中包络 拟合时出现的过冲／欠冲问题，提出采用分段三次Hermite插值代替三次样条插值作为新的包 络拟合算法。针对神经网络对非平稳性功率序列预测困难问题，采用EMD和神经网络相结合 的方法对发电功率进行预测。使用改进的EMD对功率序列进行分解，降低序列的非平稳性， 然后使用神经网络对各分量进行预测，最后通过叠加得到预测结果。利用该方法对东北某风 电场进行功率预测，仿真结果表明，与其他方法相比，基于改进的EMD-ANN方法具有较高的 预测精度。

关键词： 经验模态分解 Hermite插值 人工神经网络 风电功率 预测

作者: 王鹏 陈国初 徐余法 俞金寿

作者单位: 上海电机学院电气学院 上海 200240;华东理工大学信息科学与工程学院 上海　200237 上海电机学院电气学院 上海 200240 华东理工大学信息科学与工程学院 上海 200237

会议类型: 国内会议

会议名称: 第二十二届中国过程控制会议

会议地点: 南京

会议语种:中文

页码: 835-838,916

在线出版日期: 1900-01-01（万方平台首次上网日期，不代表论文的发表时间）