基于EMD-GWO-SVR组合模型的短期风速预测
Short-Term Wind Speed Prediction Based on EMD-GWO-SVR Combined Model作者机构:甘肃农业大学理学院甘肃兰州730070
出 版 物:《电子科技》 (Electronic Science and Technology)
年 卷 期:2023年第36卷第5期
页 面:1-8页
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:风速预测 BP神经网络 经验模态分解 粒子群优化算法 GWO算法 参数寻优 支持向量回归 预测精度
摘 要:风速预测对风电场进行调度与控制具有重大意义。针对风速序列的随机性与间歇性,文中提出了EMD-GWO-SVR组合预测模型。先对原始序列进行经验模态分解,并应用GWO算法对支持向量回归模型的参数进行寻优。随后将寻优得到的最佳参数代入支持向量回归模型,并对分解后的本征模函数及残差项分别进行预测,将得到的各预测结果相加从而对风速进行预测。以甘肃省酒泉市的历史气象数据为例,建立BP神经网络、SVR、PSO-SVR、GWO-SVR、EMD-PSO-SVR和EMD-GWO-SVR6种预测模型,对该地的风速进行预测。仿真结果表明,文中提出的EMD-GWO-SVR模型预测精度相比SVR提高了61.759 8%,且其MAE、MAPE和RMSE等误差指标评价值显著低于其它5种模型。