基于EMD-PF-GRNN的短期风电功率预测研究Research on Short-term Wind Power Forecasting Based on EMD-PF-GRNN
周婕,张春美,郭红戈
摘要(Abstract)：
针对短期风电功率预测，将风电输出功率作为时间序列信号，由于其所具有波动性、非平稳性的特点，提出一种基于经验模态分解(EMD)、粒子滤波(PF)和广义回归神经网络(GRNN)的组合预测模型。首先，利用EMD对风电功率序列进行分解，获得各个相对平稳的模态分量；然后，将分解得到高离散度的数据采用PF进行分析处理，低离散度的数据采用GRNN进行分析处理，其中，通过粒子群算法(PSO),根据各低离散度数据自身特点优化GRNN的平滑因数，以进一步提高其预测性能和精度；最后，通过线性叠加各分量的预测结果得到最终风电功率的预测值。结果表明，与PSO-GRNN和单一GRNN结构相比，EMD-PF-GRNN预测模型的预测误差降低了6%左右，预测精度更高，可以更好的预测风电功率。
关键词(KeyWords)： 经验模态分解;广义回归神经网络;粒子群算法;短期风电功率预测;粒子滤波
基金项目(Foundation): 国家自然科学青年基金(61603266);; 山西省自然科学基金(201801D121128)
作者(Author): 周婕,张春美,郭红戈
参考文献(References)：
- [1] SHEN Y,WANG X,CHEN J.Wind Power Forecasting Using Multi-Objective Evolutionary Algorithms for Wavelet Neural Network-Optimized Prediction Intervals[J].Applied Sciences,2018,8(2):185.
- [2] 冉靖，张智刚，梁志峰，等.风电场风速和发电功率预测方法综述[J].数理统计与管理，2020,39(6):1045-1059.
- [3] CHEN N,QIAN Z,NABNEY I T,et al.Wind Power Forecasts Using Gaussian Processes and Numerical Weather Prediction [J].IEEE TRANSACTIONS ON POWER SYSTEMS PWRS,2014,29(2):656-665.
- [4] YE L,ZHAO Y,ZENG C,et al.Short-Term Wind Power Prediction Based on Spatial Model[J].Renewable Energy,2017,101:1067-1074.
- [5] ZHAO J,GUO Y,XIAO X,et al.Multi-Step Wind Speed and Power Forecasts Based on a WRF Simulation and an Optimized Association Method [J].Applied Energy,2017,197:183-202.
- [6] CAO Y,LIU Y,ZHANG D,et al.Wind Power Ultra-Short-Term Forecasting Method Combined with Pattern-Matching and ARMA-Model[C]//2013 IEEE Grenoble Conference.Grenoble,France:IEEE,2013:1-4.
- [7] 刘帅，朱永利，张科，等.基于误差修正ARMA-GARCH模型的短期风电功率预测[J].太阳能学报，2020,41(10):268-275.
- [8] CHANG G W,LU H J,CHANG Y R,et al.An Improved Neural Network-Based Approach for Short-Term Wind Speed and Power Forecast [J].Renewable Energy,2017,105:301-311.
- [9] 叶瑞丽，郭志忠，刘瑞叶，等.基于小波包分解和改进Elman神经网络的风电场风速和风电功率预测[J].电工技术学报，2017,32(21):103-111.
- [10] 王佶宣，邓斌，王江.基于经验模态分解与RBF神经网络的短期风功率预测[J].电力系统及其自动化学报，2020,32(11):109-115.
- [11] 孟鑫禹，王睿，张喜平，等.基于经验模态分解与多分支神经网络的超短期风功率预测[J].计算机应用，2021,41(1):237-242.
- [12] 梁智，孙国强，俞娜燕，等.基于高斯过程回归和粒子滤波的短期风速预测[J].太阳能学报，2020,41(3):45-51.
- [13] 喻华，卢继平，曾燕婷，等.基于不同优化准则和广义回归神经网络的风电功率非线性组合预测[J].高电压技术，2019,45(3):1002-1008.
- [14] 王慧莹，吴亮红，梅盼盼，等.果蝇优化广义神经网络的风电功率短期预测[J].电子测量与仪器学报，2019,33(6):177-183.
- [15] HUANG N E,SHEN Z,LONG S,et al.The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis[J].Proceedings of the Royal Society of London Series A,1998,454(1971):903-995.
- [16] WU Z,HUANG N E.A Study of the Characteristics of White Noise Using the Empirical Mode Decomposition Method[J].Proceedings of the Royal Society of London,Series A,2004,460(2046):1597-1611.
- [17] 李孟敏.粒子滤波算法综述[J].中国新通信，2015,17(10):5-5.
- [18] DING W,FANG W.Target Tracking by Sequential Random Draft Particle Swarm Optimization Algorithm[C]//2018 IEEE International Smart Cities Conference(ISC2).Kansas City,MO,USA:IEEE,2018:1-7.
- [19] 何明慧，徐怡，王冉，等.改进的粒子群算法优化神经网络及应用[J].计算机工程与应用，2018,54(19):107-113,128.