基于卡尔曼滤波的风速序列短期预测方法

被引：118

作者：

修春波 ^{[1
,2
]}

任晓 ^{[1
,2
]}

李艳晴 ^{[3
]}

刘明凤 ^{[1
,2
]}

机构：

[1] 天津工业大学电工电能新技术天津市重点实验室

[2] 天津工业大学电气工程与自动化学院

[3] 北京科技大学数理学院

来源：

电工技术学报 | 2014年 / 29卷 / 02期

关键词：

卡尔曼滤波; 风速序列; 神经网络; ARMA模型; 预测;

D O I：

10.19595/j.cnki.1000-6753.tces.2014.02.031

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：

0807 ;

摘要：

分析了卡尔曼滤波在风速序列预测分析中的应用机理,构造了用于风速序列预测分析的迟滞神经网络,并采用卡尔曼滤波方法将其与ARMA模型相融合,实现了风速序列的混合预测。通过修改激励函数的方式将迟滞特性引入神经网络,网络的权值采用梯度寻优的方式确定,迟滞参数利用遗传算法进行确定。系统的状态方程采用ARMA模型建立,将迟滞神经网络对风速序列的预测结果作为测量方程的测量值。混合预测方法能减小单一预测机制造成的同一性质误差的累积。仿真实验结果表明,迟滞神经网络的预测性能优于传统BP神经网络,而混合预测方法的预测性能优于单一预测方法。

引用

页码：253 / 259

页数：7

共 16 条

[1] 基于空间相关法的风电场风速多步预测模型 [J].