4.6 本章小结

通过提高预测日风速的稳定性，可以有效改善风电功率短期预测的精度。根据第2章介绍的有关风电功率预测模型的关键技术问题，本章建立了基于EEMD和LS-SVM的风电功率短期预测模型。采用改进FOA确定了LS-SVM和风速分解子序列空间重构的参数，与GA、PSO相比，本部分所采用的改进FOA能够提高收敛和迭代速度，扩大搜索路径范围，并能够有效避免陷入局部极值；与传统的EMD相比，本部分采用改进EEMD算法能够消除模态混叠现象对于风速预测的不利影响。最后，为了体现本部分所建模型的优点，采用与EMD和LS-SVM两种模型进行对比分析，结果证明采用EEMD模型能够更好地实现风电功率的回归。