基于EMD和RBFNN的短期风速预测
针对风速非平稳、非线性的特点,为提高短期风速预测准确性与快速性,建立了EMD.RBFNN预测模型.利用经验模态分解(EMD)将风速时间序列分解为具有相同特征尺度的相对平稳的本征模态(IMF)分量,以实现风速时间序列信号平稳化;针对各个模态分量的特性,采用径向基函数神经网络模型(RBFNN)对各个模态分量分别进行预测,选用正交最小二乘法来最大限度减少错误率,最后将各IMF.RBFNN预测结果进行重构得到最终预测值;设计并实现了基于GUI交互式界面的多功能短期风速预测系统.实验结果表明,EMD.RBFNN预测模型有效提高了短期风速预测精度,具有一定的实用价值.
风电场 风速预测 经验模态分解算法 径向基神经网络算法
尹东阳 盛义发 李永胜 谢曲天
南华大学电气工程学院,湖南衡阳421001
国内会议
北京
中文
44-47
2014-06-21（万方平台首次上网日期，不代表论文的发表时间）