基于小波分析的风电场短期发电功率预测

被引：233

作者：

王丽婕 ^{[1
]}

冬雷 ^{[1
]}

廖晓钟 ^{[1
]}

高阳 ^{[2
]}

机构：

[1] 北京理工大学自动化学院

[2] 沈阳工程学院电气工程系

来源：

中国电机工程学报 | 2009年 / 29卷 / 28期

关键词：

风力发电; 功率预测; 滞后特性; 小波分析; 神经网络;

D O I：

10.13334/j.0258-8013.pcsee.2009.28.012

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

采用小波分析和人工神经网络(artificial neural network,ANN)结合的方法对风力发电功率短期预测进行研究。通过小波变换将信号分解为不同频段的子序列,利用神经网络对各子序列分别建模预测,最后将预测结果叠加。利用该方法对富锦风电场的发电功率进行预测,结果表明,小波理论改进的相空间重构的神经网络模型改善了预测滞后问题,与基于混沌相空间重构的神经网络模型相比较,绝对平均误差由6.99%降到6.01%。

引用

页码：30 / 33

页数：4

共 13 条

[1]

风电场风速短期多步预测改进算法 [J].