风电场短期风速区间预测

摘要

针对传统确定性风速点预测结果存在不同程度误差与不确定性等问题,提出一种基于局部均值分解(local mean decomposition,LMD)-模糊熵(fuzzy entropy,FE)和混合灰狼算法(hybrid GWO,HGWO)优化极限学习机(extreme learning machine,ELM)的短期风速区间预测模型。首先采用LMD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,为降低计算规模对分解后各分量序列分别计算模糊熵,熵值相近分量叠加形成新序列;最后,针对ELM在输入权值和隐含层偏置选取上存在随机性问题,采用HGWO算法对ELM参数进行优化,分别对每个新序列进行预测并将结果叠加,叠加后预测值采用T分布进行区间估计得到预测区间。实例仿真表明:该模型提高了预测精度,产生更好的预测区间,为未来风速的不确定性分析提供更多的依据和信息。