Output Power Prediction of Wave Energy Generation System Based on Modified Ensemble Empirical Mode Decomposition-Autoregressive Integrated Moving Average Model

Feng WU; Fei WANG; Kanghui GU; Nengping ZHOU

doi:10.7500/AEPS20191124004

您当前的位置：

首页 >

文章列表页 >

Output Power Prediction of Wave Energy Generation System Based on Modified Ensemble Empirical Mode Decomposition-Autoregressive Integrated Moving Average Model

Special Topic on Forecasting Technology and Its Application in Power Systems with Renewable Energy Sources | 更新时间：2025-06-16

- Output Power Prediction of Wave Energy Generation System Based on Modified Ensemble Empirical Mode Decomposition-Autoregressive Integrated Moving Average Model
- Automation of Electric Power Systems Vol. 45, Issue 1, Pages: 65-70(2021)
- 作者机构：
  
  1.河海大学能源与电气学院，江苏省南京市 211100
  2.国网江苏省电力有限公司南京供电分公司，江苏省南京市 210019
- 作者简介：
- 基金信息：
  
  State Key Program of National Natural Science Foundation of China
- DOI：10.7500/AEPS20191124004
  CLC：
- Received：24 November 2019，
  
  Revised：2020-04-28，
  
  Published Online：29 May 2020，
  
  Published：10 January 2021
- 稿件说明：
移动端阅览
吴峰,王飞,顾康慧等.基于MEEMD-ARIMA模型的波浪能发电系统输出功率预测[J].电力系统自动化,2021,45(1):65-70.

WU Feng,WANG Fei,GU Kanghui,et al.Output Power Prediction of Wave Energy Generation System Based on Modified Ensemble Empirical Mode Decomposition-Autoregressive Integrated Moving Average Model[J].Automation of Electric Power Systems,2021,45(1):65-70.
吴峰,王飞,顾康慧等.基于MEEMD-ARIMA模型的波浪能发电系统输出功率预测[J].电力系统自动化,2021,45(1):65-70. DOI： 10.7500/AEPS20191124004.

WU Feng,WANG Fei,GU Kanghui,et al.Output Power Prediction of Wave Energy Generation System Based on Modified Ensemble Empirical Mode Decomposition-Autoregressive Integrated Moving Average Model[J].Automation of Electric Power Systems,2021,45(1):65-70. DOI： 10.7500/AEPS20191124004.

摘要

波浪能作为一种储量丰富的清洁能源，是未来理想的能源之一。但其具有较强的随机波动特性，因此，可靠地预测波浪能发电系统的输出功率能给复杂电网的调度带来极大的便利。文中提出基于改进的总体经验模态分解（MEEMD）-差分整合移动平均自回归（ARIMA）模型的波浪能组合预测。首先，基于海浪计算原理，计算混合浪的每小时平均波高与周期。其次，采用MEEMD对每小时平均波高与周期进行分解，得到一系列特征互异的本征模态函数（IMF）和余量，并将平均波高分解的结果与离散小波变换分解结果做对比。然后，将得到的分量分别建立ARIMA预测模型，通过叠加得到每小时平均波高与周期的预测值。最后，建立直驱式波浪能发电系统波高-功率转换模型，实例结果验证了该组合模型预测的有效性。

Abstract

As a kind of abundant clean energy

wave energy is one of the ideal energy in the future

but it has strong stochastic fluctuation characteristics. Reliable prediction of output power for wave energy generation systems will bring great convenience to the scheduling of complex power grids. A combination prediction model of wave energy based on modified ensemble empirical mode decomposition (MEEMD)-autoregressive integrated moving average (ARIMA) model is proposed. Firstly

based on the wave calculation principle

the hourly average height and period of the mixed wave are calculated. Secondly

the MEEMD is used to decompose the hourly average wave height and period to obtain a series of intrinsic mode functions (IMFs) with different characteristics and margins. The results of the average wave height decompositions are compared with the decomposition results of discrete wavelet transformation. Then

the obtained components are used to establish ARIMA prediction models

and the predicted values of the hourly average wave height and period are obtained by superposition. Finally

the conversion model between wave height and power of direct-drive wave energy generation system is established

and the test results show the effectiveness of the combined model prediction.

关键词

Keywords

references

赵建春，陈国海，周鹏飞 . 动态潮汐能工程对区域海洋水动力环境的影响分析［J］. 太阳能学报， 2015 ， 36 （ 12 ）： 3108 - 3114 .

ZHAO Jianchun ， CHEN Guohai ， ZHOU Pengfei . Influence analysis of dynamic tidal power project on regional marine hydrodynamic environment ［J］. Acta Energiae Solaris Sinica ， 2015 ， 36 （ 12 ）： 3108 - 3114 .

薛海峰，刘延俊，侯云星，等 . 海洋温差能闭式循环的研究与进展［J］. 海洋技术学报， 2018 ， 37 （ 6 ）： 109 - 121 .

XUE Haifeng ， LIU Yanjun ， HOU Yunxing ， et al . Study and development of closed-cycle systems of ocean thermal energy conversion ［J］. Journal of Ocean Technology ， 2018 ， 37 （ 6 ）： 109 - 121 .

肖曦，摆念宗，康庆，等 . 波浪发电系统发展及直驱式波浪发电系统研究综述［J］. 电工技术学报， 2014 ， 29 （ 3 ）： 1 - 11 .

XIAO Xi ， BAI Nianzong ， KANG Qing ， et al . A review of the development of wave power system and the research on direct-drive wave power system ［J］. Transactions of China Electrotechnical Society ， 2014 ， 29 （ 3 ）： 1 - 11 .

SASAKI W . Predictability of global offshore wind and wave power ［J］. International Journal of Marine Energy ， 2017 ， 17 ： 98 - 109 .

JEFFERSON M . Renewable and low carbon technologies policy ［J］. Energy Policy ， 2018 ， 123 ： 367 - 72 .

姜波，丁杰，武贺，等 . 渤海、黄海、东海波浪能资源评估［J］. 太阳能学报， 2017 ， 38 （ 6 ）： 11 - 16 .

JIANG Bo ， DING Jie ， WU He ， et al . Wave energy resource assessment along Bohai sea，Yellow sea and East China sea ［J］. Acta Energiae Solaris Sinica ， 2017 ， 38 （ 6 ）： 11 - 16 .

洪岳，潘剑飞，刘云，等 . 直驱波浪能发电系统综述［J］. 中国电机工程学报， 2019 ， 39 （ 7 ）： 1886 - 1900 .

HONG Yue ， PAN Jianfei ， LIU Yun ， et al . A review on linear generator based wave energy conversion systems ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 7 ）： 1886 - 1900 .

LÓPEZ I ， ANDREU J ， CEBALLOS S ， et al . Review of wave energy technologies and the necessary power-equipment ［J］. Renewable and Sustainable Energy Reviews ， 2013 ， 27 ： 413 - 34 .

周能萍，吴峰 . 基于风-浪和灰色模型的波浪能发电系统输出功率短期预测［J］. 电力自动化设备， 2018 ， 38 （ 5 ）： 58 - 63 .

ZHOU Nengping ， WU Feng . Wind-wave and grey model based short-term output power prediction of wave energy generation system ［J］. Electric Power Automation Equipment ， 2018 ， 38 （ 5 ）： 58 - 63 .

霍政界，吴峰，陶爱峰，等 . 直驱式波浪发电系统输出功率的短期预测［J］. 电力系统自动化， 2014 ， 38 （ 21 ）： 13 - 18 .

HUO Zhengjie ， WU Feng ， TAO Aifeng ， et al . Short-term prediction on output power of direct-drive wave power generation system ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 21 ）： 13 - 18 .

WU F ， ZHOU N ， JU P ， et al . Wind-wave coupling model for wave energy forecast ［J］. IEEE Transactions on Sustainable Energy ， 2019 ， 10 （ 2 ）： 586 - 595 .

杨明，范澍，韩学山，等 . 基于分量稀疏贝叶斯学习的风电场输出概率预测方法［J］. 电力系统自动化， 2012 ， 36 （ 14 ）： 125 - 130 .

YANG Ming ， FAN Shu ， HAN Xueshan ， et al . Wind farm generation forecast on componential sparse Bayesian learning ［J］. Automation of Electric Power Systems ， 2012 ， 36 （ 14 ）： 125 - 130 .

孔祥玉，李闯，郑锋，等 . 基于经验模态分解与特征相关分析的短期负荷预测方法［J］. 电力系统自动化， 2019 ， 43 （ 5 ）： 46 - 52 .

KONG Xiangyu ， LI Chuang ， ZHENG Feng ， et al . Short-term load forecasting method based on empirical mode decomposition and feature correlation analysis ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 5 ）： 46 - 52 .

王毅，谷亿，丁壮，等 . 基于EMD-模糊熵和集成学习的电动汽车充电需求预测［J］. 电力系统自动化， 2020 ， 44 （ 3 ）： 114 - 121 .

WANG Yi ， GU Yi ， DING Zhuang ， et al . Charging demand forecasting of electric vehicle based on empirical mode decomposition-fuzzy entropy and ensemble learning ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 3 ）： 114 - 121 .

王韶，杨近平，李逢兵，等 . 基于经验模式分解和神经网络的短期风速组合预测［J］. 电力系统保护与控制， 2012 ， 40 （ 10 ）： 6 - 11 .

WANG Shao ， YANG Jinping ， LI Fengbing ， et al . Short-term wind speed forecasting based on EMD and ANN ［J］. Power System Protection and Control ， 2012 ， 40 （ 10 ）： 6 - 11 .

姬广龙，袁越，黄俊辉，等 . 基于EEMD-HS-SVM的短期风功率组合预测模型［J］. 可再生能源， 2017 ， 35 （ 8 ）： 1221 - 1228 .

JI Guanglong ， YUAN Yue ， HUANG Junhui ， et al . Combined model based on EEMD-HS-SVM for short-term wind power prediction ［J］. Renewable Energy Resources ， 2017 ， 35 （ 8 ）： 1221 - 1228 .

曹威，刘长良，王字齐，等 . 基于MEEMD与排列熵的风电功率超短期预测研究［J］. 可再生能源， 2019 ， 37 （ 3 ）： 439 - 444 .

CAO Wei ， LIU Changliang ， WANG Ziqi ， et al . Wind power ultra-short-term prediction based on MEEMD and permutation entropy ［J］. Renewable Energy Resources ， 2019 ， 37 （ 3 ）： 439 - 444 .

郑近德，程军圣，杨宇 . 基于改进的EEMD算法及其应用研究［J］. 振动与冲击， 2013 ， 32 （ 21 ）： 21 - 26 .

ZHENG Jinde ， CHENG Junsheng ， YANG Yu . Modified EEMD algorithm and its applications ［J］. Journal of Vibration and Shock ， 2013 ， 32 （ 21 ）： 21 - 26 .

李水清，赵栋梁 . 风浪和涌浪分离方法的比较［J］. 海洋学报， 2012 ， 34 （ 2 ）： 23 - 29 .

LI Shuiqing ， ZHAO Dongliang . Comparisons on partitioning techniques to identify wind-wave and swell ［J］. Acta Oceanologica Sinica ， 2012 ， 34 （ 2 ）： 23 - 29 .

朱寿建，李慧，吴迪，等 . 基于风涌浪分离理论的波浪能短期预测［J］. 人民长江， 2018 ， 49 （ 7 ）： 77 - 80

ZHU Shoujian ， LI Hui ， WU Di ， et al . Short-term prediction on marine wave based on theory of wind-wave and swell separation ［J］. Yangtze River ， 2018 ， 49 （ 7 ）： 77 - 80 .

田波，朴在林，郭丹，等 . 基于改进EEMD-SE-ARMA的超短期风功率组合预测模型［J］. 电力系统保护与控制， 2017 ， 45 （ 4 ）： 72 - 79 .

TIAN Bo ， PIAO Zailin ， GUO Dan ， et al . Wind power ultra short-time model based on improved EEMD-SE-ARMA ［J］. Power System Protection and Control ， 2017 ， 45 （ 4 ）： 72 - 79 .

HENK P ， MICHIEL D ， FRED G . Linear PM generator system for wave energy conversion in the AWS ［J］. IEEE Transactions on Energy Conversion ， 2000 ， 19 （ 3 ）： 583 - 589 .

DE SOUSA P ， FRED G ， MICHIEL D ， et al . Modelling and test results of the Archimedes wave swing ［J］. Proceedings of the Institution of the Mechanical Engineers ， 2006 ， 220 （ 8 ）： 855 - 868 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Data-driven Oscillation Mode Prediction Scheme and Resonance Mitigation Analysis

Online Prediction of Power Grid Transient Frequency Trajectories Under Coexistence of Low Voltage Ride-through and Off-grid in Wind Power Generation

Prediction Model for User Number in Power Outage Caused by Wind Disaster for Distribution Networks Based on High-efficient Data Dimensionality Reduction

Asynchronous Planning of Combined Power Generation of Offshore Wind Energy and Wave Energy Considering Operation and Maintenance Requirements

广义极值理论在大停电事故损失负荷预测中的应用

Related Author

JIA Hongjie

YU Lujie

BIAN Yinan

DING Jiong

ZHANG Miao

ZHU Jiebei

XUE Feng

LAI Yening

Related Institution

State Grid Dalian Electric Power Supply Company

Key Laboratory of Smart Grid of Ministry of Education (Tianjin University)

State Grid Electric Power Research Institute (NARI Group Corporation)

Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology, Ministry of Education (Northeast Electric Power University)

School of Automation, Wuhan University of Technology

⁰