基于人工神经网络的风电场短期功率预测

被引：21

作者：

彭怀午 ^{[1
]}

刘方锐 ^{[2
]}

杨晓峰 ^{[1
]}

机构：

[1] 内蒙古电力勘测设计院

[2] 华中科技大学电气与电子工程学院

来源：

太阳能学报 | 2011年 / 32卷 / 08期

基金：

国家自然科学基金重点项目;

关键词：

短期功率预测; 人工神经网络; 混合预测;

D O I：

10.19912/j.0254-0096.2011.08.021

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

基于人工神经网络法(ANN)对内蒙古某风电场短期输出功率进行了预测研究,给出了较详细的实现过程,并比较了单一ANN预测方法和基于物理方法与统计方法的混合ANN预测方法的预测精度。计算结果表明,单一ANN预测方法能快速给出预测结果,但预测精度较低,均方根误差为10.67%;而混合ANN预测方法步骤较多且较费时,但预测精度较高,均方根误差为2.01%,不到单一ANN法的1/5。同时,针对预测过程中小于5m/s的小风速段和大于15m/s的大风速段所呈现的预测误差较小的原因进行了深入分析。

引用

收藏

页码：1245 / 1250

页数：6

相关论文

共 10 条

[1] 基于人工神经网络的风电功率预测 [J].

范高锋 ;

王伟胜 ;

刘纯 ;

戴慧珠 .

中国电机工程学报, 2008, (34) :118-123

[2] 基于人工神经网络的风电功率短期预测系统 [J].

范高锋 ;

王伟胜 ;

刘纯 .

电网技术, 2008, (22) :72-76

[3] 基于最小二乘支持向量机的风电场短期风速预测 [J].

杜颖 ;

卢继平 ;

李青 ;

邓颖玲 .

电网技术, 2008, (15) :62-66

[4] 基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型 [J].

潘迪夫 ;

刘辉 ;

李燕飞 .

电网技术, 2008, (07) :82-86

[5] 风电场出力短期预报研究综述 [J].

刘永前 ;

韩爽 ;

胡永生 .

现代电力, 2007, (05) :6-11

[6] 提前三小时风电机组出力组合预报研究 [J].

刘永前 ;

韩爽 ;

杨勇平 ;

高辉 .

太阳能学报, 2007, (08) :839-843

[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] Transient stability analysis of grid connected wind turbine generator system considering multi-mass shaft Modeling [J].

Muyeen, S. M. ;

Ali, Mohd. Hasan ;

Takahashi, Rion ;

Murata, Toshiaki ;

Tamura, Junji ;

Tomaki, Yuichi ;

Sakahara, Atsushi ;

Sasano, Eiichi .

ELECTRIC POWER COMPONENTS AND SYSTEMS, 2006, 34 (10) :1121-1138

[9]

Wind power prediction in Germany:recent advances and future challenges. Lange B,Rohrig K,Ernst B, et al. European Wind Energy Conference . 2006

[10]

Prediktor:an on-line prediction system. Landberg L. Wind Power for the 21st Century, EUWEC Special Topic Conference . 2000