基于风速升降特征的短期风电功率预测

被引：27

作者：

叶小岭 ^{[1
,2
]}

陈浩 ^{[1
]}

郭晓杰 ^{[1
]}

邓华 ^{[1
,2
]}

王雅晨 ^{[1
]}

机构：

[1] 南京信息工程大学信息与控制学院

[2] 南京信息工程大学气象灾害预报预警与评估协同创新中心

来源：

电力系统保护与控制 | 2016年 / 44卷 / 19期

关键词：

短期风电功率预测; 风速升降特征; 特征值; LSSVM; ELM; GA-BP;

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：

为提高短期风电功率预测精度,提出了基于风速升降特征的短期风电功率预测方法。该方法分析风速上升或下降对风力发电的影响,根据风速升降特征,为风速添加标记值,增加训练样本维度,从而提高功率预测精度。用上海某风电场2014年9月至2015年9月数据对算法进行验证,并对比最小二乘支持向量机(LSSVM)、极限学习机(ELM)、遗传BP神经网络(GA-BP)三种方法的预测结果。实验结果表明,在风电功率预测中引入风速升降特征能够明显提高了模型的预测精度,适合风电场的短期功率预测。

引用

页码：56 / 62

页数：7

共 19 条

[1]

基于离散Hopfield模式识别样本的GRNN非线性组合短期风速预测模型 [J].