基于CEEMDAN-PE和QGA-BP的短期风速预测

作     者：赵辉 周杰 王红君 岳有军 Zhao Hui;Zhou Jie;Wang Hongjun;Yue Youjun

作者机构：天津理工大学天津市复杂系统控制理论与应用重点实验室天津300384 天津农学院天津300384 

出 版 物：《电子技术应用》 (Application of Electronic Technique)

年 卷 期：2018年第44卷第12期

页      面：60-64页

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

基　　金：天津市教委重点基金项目(2006ZD32) 

主　　题：风速预测 完整集成经验模态分解 排列熵 量子遗传算法 BP神经网络 组合模型 

摘      要：为了提高风电场短期风速预测的精度,提出了一种基于自适应噪声的完整集成经验模态分解(CEEMDAN)-排列熵(PE)和量子遗传算法(QGA)优化BP神经网络的短期风速预测模型。首先采用CEEMDAN对原始风速时间序列进行分解,降低不同特征尺度序列间的相互影响;其次,为了减少计算规模,对分解得到的各个分量序列分别计算排列熵,将熵值相近的分量进行叠加形成新的序列;最后,针对BP神经网络在初始化权值和阈值的选取上存在随机性的问题,采用QGA对BP参数进行优化,分别对每个新的序列进行预测并将预测结果进行叠加得到最终的预测值。实例仿真结果表明,该组合模型提高了预测的精度,减小了误差,具有实际意义和工程应用价值。