基于CEEMDAN-MFO-RBF的风电功率短期预测

摘要

文中提出一种基于自适应噪声完整集成经验模态分解与飞蛾扑火算法优化径向基神经网络的短期风电功率预测方法.首先,利用自适应噪声完整集成经验模态分解对风电功率信号进行分解,以获得不同时间尺度的固有模态函数分量和剩余分量,该方法相较于经验模态分解与集成经验模态分解具有更好的收敛性和完整性.其次,利用飞蛾扑火算法优化径向基神经网络的结构参数来提高网络的泛化能力,构建风电功率预测模型.最后,将分解后的各个分量分别输入风电功率预测模型,得到各分量的预测结果,再将各分量的预测结果线性组合得到最终的风电功率预测结果.算例结果表明,文中的预测模型对风力发电功率具有更好的预测性能.

关键词

风电功率预测 / 自适应噪声完整集成经验模态分解 / 飞蛾扑火 / 径向基神经网络