基于时空相关性的NAR动态神经网络风功率超短期组合预测

被引：35

作者：

黄慧 ^{[1
,2
]}

贾嵘 ^{[1
]}

董开松 ^{[3
]}

机构：

[1] 西安理工大学水利水电学院

[2] 华北水利水电大学电力学院

[3] 国网甘肃电科院

来源：

太阳能学报 | 2020年 / 41卷 / 10期

关键词：

空间分布; 时间序列; 风电功率; 组合预测; NAR神经网络;

D O I：

10.19912/j.0254-0096.2020.10.041

中图分类号：

TM614 [风能发电]; TP183 [人工神经网络与计算];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

考虑风电场机组空间分布的相关性,提出基于动态时间序列神经网络(NAR)的风电场超短期功率组合预测方法。首先利用经验函数正交分解(EOF)解析风电机组出力特征的空间相关性,并依据空间特征贡献率对风电机组进行分组;其次针对机组的原始功率时间序列均值建立NAR预测模型,进而对风电功率预测结果组合加总获整取个风电场功率预测值。以中国北方某地区风电场实例验证,与单一风功率序列NAR预测模型和ARMA(2,2)模型相比,预测结果验证了文中所提方法的有效性。

引用

页码：311 / 316

页数：6

共 14 条

[1]

基于灰色关联和协整理论的风功率组合预测研究 [J].