基于改进SOA和岭回归赋权的风电负荷组合预测

摘要

为促进可再生能源应用和提高电力系统的可靠性，以风力发电负荷数据为研究对象，基于改进海鸥优化算法和岭回归权重赋值对风电负荷变化进行预测。首先，利用互补集合经验模态分解和经验小波变换构成的二次分解方法对原始数据进行去噪处理，以降低原始序列的波动性。然后，使用多策略改进的海鸥优化算法对BP神经网络和最小二乘支持向量机两种模型进行优化，并用优化后的模型分别对分解结果进行建模。最后，基于岭回归权重赋值，融合两个预测模型的输出分量，获得总的负荷值。实验证明：相较于其他预测模型，该模型具有更高的预测精度，能够准确捕捉风力发电负荷的变化趋势，可以为风力发电负荷预测研究提供参考，有望在可再生能源领域的实际应用中发挥积极作用。

关键词

风电负荷 / CEEMD-EWT二次分解 / 改进海鸥优化算法 / 组合预测 / 岭回归