基于神经网络的风电短期功率预测模型研究

为使电网制定更合理的调度计划,提高风电的并网容量,需要精确的模型进行短期风功率预测。为达到此目的,本文将偏航角度、浆距角等参数纳入神经网络进行建模分析,以河南某风场10台1. 5 MW风机3个月的数据为研究对象,分别采用风资源作为参数,风资源和偏航角度作为参数,风资源、偏航角度和浆距角作为参数的三种情况下预测分析。在三种情况下,采用风资源、偏航角度、浆距角作为输入参数的模型预测结果的标准均方根误差NRMSE为3. 20%、平均绝对误差MAE为360 kW,分别比仅采用风资源作为参数进行预测的数值下降了62. 7%和60. 6%。由此表明,采用风资源、偏航角度和浆距角作为参数的预测精度最高,作为神经网络输入参数进行风功率预测更为合理。