基于小波包分解和改进Elman神经网络的风电场风速和风电功率预测

被引：107

作者：

叶瑞丽 ^{[1
]}

郭志忠 ^{[1
]}

刘瑞叶 ^{[1
]}

刘建楠 ^{[2
]}

机构：

[1] 哈尔滨工业大学电气工程及自动化学院

[2] 国家电网公司交流建设分公司

来源：

电工技术学报 | 2017年 / 32卷 / 21期

关键词：

风力发电; 风电场; 风速预测; 小波包分解; Elman神经网络;

D O I：

10.19595/j.cnki.1000-6753.tces.160727

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

准确预测风电场风速和风电功率对做好风电场运行维护、合理安排开停机计划以及确保电力系统的安全稳定运行具有重要意义。提出了基于小波包分解和改进Elman神经网络的新型风电场风速和风电功率预测方法并给出了具体应用步骤。首先利用小波包分解理论对经过初步处理的历史风速数据进行分解处理,根据相关性剔除随机数据,保留最优分解树;随后提出带扰动的PSO训练算法用以提高Elman神经网络的训练速度,并解决PSO算法易陷入局部最优解的问题;最后利用不同结构的Elman神经网络寻找最优分解树不同频段下的风速规律进而获得风速和风电功率预测结果。南方某风电场算例表明该方法具有更高的预测精度,能够正确反映风速和风电功率规律。

引用

页码：103 / 111

页数：9