提高风电场风速预测能力的软测量方法

被引:2
作者
赵万剑 [1 ]
杨亚兰 [2 ]
张超 [1 ]
吴钰 [1 ]
机构
[1] 上海市电力公司松江供电公司
[2] 上海电力学院电力与自动化工程学院
关键词
短期风速预测; 软测量技术; 支持向量机; 空间连续性; 时间连续性;
D O I
暂无
中图分类号
TK81 [风能];
学科分类号
摘要
为了降低风电场风速预测的误差,基于软测量技术,从改进算法、提高预测的空间连续性及时间连续性入手,并以支持向量机为基本方法进行分析。提出了改进算法(小波分析—支持向量机),以气象数据为参考,增强了空间连续性;以风机级联并且缩短采样周期为手段,增强了时间连续性。通过现场数据进行仿真计算,验证了上述方法可以提高风电场风速的预测能力。
引用
收藏
页码:262 / 265
页数:4
相关论文
共 8 条
[1]   基于小波—BP神经网络的短期风电功率预测方法 [J].
师洪涛 ;
杨静玲 ;
丁茂生 ;
王金梅 .
电力系统自动化, 2011, 35 (16) :44-48
[2]   风电场短期风速预测探讨 [J].
吴国旸 ;
肖洋 ;
翁莎莎 .
吉林电力, 2005, (06) :21-24
[3]   采用改进模糊层次分析法的风速预测模型 [J].
黄文杰 ;
傅砾 ;
肖盛 .
电网技术, 2010, 34 (07) :164-168
[4]   风场短期风速预测研究 [J].
罗文 ;
王莉娜 .
电工技术学报, 2011, 26 (07) :68-74
[5]  
Use of SupportVector Machine for Wind Speed Prediction. Mrs.Patil SangitaB,Prof.Mrs.Surekha.R.Deshmukh. . 2001
[6]   短期负荷预测的支持向量机方法研究 [J].
李元诚 ;
方廷健 ;
于尔铿 .
中国电机工程学报, 2003, (06) :55-59
[7]   风电场风速和发电功率预测研究 [J].
杨秀媛 ;
肖洋 ;
陈树勇 .
中国电机工程学报, 2005, (11) :1-5
[8]   风电场风速的神经网络组合预测模型 [J].
戴浪 ;
黄守道 ;
黄科元 ;
叶盛 .
电力系统及其自动化学报, 2011, 23 (04) :27-31