基于VMD⁃HS⁃LSSVM的风电功率短期预测

摘要

风功率时间序列易受到多种因素影响,呈现出高度的随机性和波动性,对电网的安全运行构成了潜在的威胁,因此准确的风功率预测至关重要。针对风电时间序列低预测性问题,提出一种组合变分模态分解(VMD)、和声搜索(HS)算法和最小二乘支持向量机(LSSVM)的短期风功率预测方法。首先采用VMD将风功率时间序列分解为不同模态,减少数据的波动性;然后对各模态分别建立HS⁃LSSVM预测模型,并运用HS优化最小二乘支持向量机相关参数,从而建立VMD⁃HS⁃LSSVM风功率预测模型,提高模型在短尺度时序的预测能力;最后将各模型预测结果进行求和重构。实验结果表明,相比传统预测模型中的仿真结果,文中方法运用在风功率时序预测中具有优越性,能有效提高短期风功率时间序列预测的准确性。