基于遗传优化的小波神经网络风电功率预测

被引：11

作者：

杨世秦

孙驷洲

机构：

[1] 安徽工程大学电气工程学院

来源：

安徽工程大学学报 | 2018年 / 33卷 / 01期

关键词：

风电功率预测; Weibull分布; 遗传优化; BP神经网络; 小波变换;

D O I：

暂无

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：

风能作为一种廉价且安全的清洁能源,在世界范围内愈来愈受到重视.由于风力发电过程中存在的波动性和间歇性问题对电力系统的稳定运行构成严重威胁,因此风电功率的准确预测成为当代电力系统研究的重要课题.针对当前风电场风电功率预测精度较低的现状,提出一种遗传算法优化的小波-BP神经网络风电场发电功率短期预测方法.首先,用Weibull分布函数拟合风速的概率分布,选取了概率分布相似的数据进行训练和预测.其次,将风速序列进行三层尺度的小波分解,将风速的细节信号和近似信号作为BP神经网络的输入,风电功率作为输出,用遗传算法优化小波-BP神经网络的初始权值和阀值进行预测.最后,将预测结果跟采用BP神经网络算法得到的结果进行对比,前者具有更高的精度,绝对预测误差APE最高降低44%,解决了风电场风电功率预测精度较低的问题.

引用

页码：27 / 33+46 +46

页数：8

共 10 条

[1]

An improved multi-step forecasting model based on WRF ensembles and creative fuzzy systems for wind speed.[J].Jing Zhao;Zhen-Hai Guo;Zhong-Yue Su;Zhi-Yuan Zhao;Xia Xiao;Feng Liu.Applied Energy.2016,

[2]

A heuristic methodology to economic dispatch problem incorporating renewable power forecasting error and system reliability.[J].J.M. Lujano-Rojas;G.J. Osório;J.C.O. Matias;J.P.S. Catalão.Renewable Energy.2016,

[3]

Predicting the wind power density based upon extreme learning machine.[J].Kasra Mohammadi;Shahaboddin Shamshirband;Por Lip Yee;Dalibor Petković;Mazdak Zamani;Sudheer Ch.Energy.2015,

[4]

Simulation of spatially correlated wind power in small geographic areas—Sampling methods and evaluation.[J].Guzmán Díaz;Pedro G. Casielles;José Coto.International Journal of Electrical Power and Energy Systems.2014,

[5]

Generalized feed-forward based method for wind energy prediction.[J].Ali N. Celik;Mohan Kolhe.Applied Energy.2013,

[6]

A hybrid statistical method to predict wind speed and wind power.[J].Hui Liu;Hong-Qi Tian;Chao Chen;Yan-fei Li.Renewable Energy.2009, 8

[7]

基于小波分析的风电场短期发电功率预测 [J].