摘要:針對目前超短期風(fēng)速間接預(yù)測方法在各頻率序列均采用同一模型進(jìn)行預(yù)測所帶來的問題,提出了一種基于小波分解的超短期風(fēng)速混合模型組合預(yù)測方法?;谧曰貧w差分移動平均模型,反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)三種方法,針對小波分解后所得到的各頻率序列特點,選取合適的方法并建立相應(yīng)的模型對其進(jìn)行預(yù)測,最后重構(gòu)得到超短期風(fēng)速預(yù)測結(jié)果。該方法可從根本上考慮實測風(fēng)速序列分解后所得各頻率序列間的差異性和可預(yù)測性,進(jìn)而提高預(yù)測精度。所提方法在不同預(yù)測時長下均具有較高的預(yù)測精度。以平均絕對誤差為預(yù)測精度評價指標(biāo)時,與持續(xù)法相比,預(yù)測精度可提高64.2%(1h預(yù)測時長)、61.4%(4h預(yù)測時長);與傳統(tǒng)單一模型組合預(yù)測方法中預(yù)測誤差最低方法相比,預(yù)測精度可提高7.2%(1h預(yù)測時長)、5.7%(4h預(yù)測時長)。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社。
分布式能源雜志, 雙月刊,本刊重視學(xué)術(shù)導(dǎo)向,堅持科學(xué)性、學(xué)術(shù)性、先進(jìn)性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:綜述、學(xué)術(shù)研究、應(yīng)用技術(shù)等。于2016年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。