基于误差叠加修正的改进短期风电功率预测方法

被引:15
作者
茆美琴
曹雨
周松林
机构
[1] 教育部光伏系统工程研究中心,合肥工业大学
关键词
风电功率预测; 反向传播神经网络; 误差预测; 支持向量机;
D O I
暂无
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
对风电功率进行较为准确的预测是合理调整含有风电的电力系统或微电网系统的调度策略,提高其运行稳定性与经济性的有效手段。在分析传统风电功率预测过程的基础上,从基本预测方法在功率预测过程中的使用策略角度出发,提出了不依赖于基本预测方法的新的改进预测思路。在这种改进方法中,增加了误差预测模型,对传统方法的预测值所包含的误差值进行预测,并将通过误差预测模型得到的预测误差与传统方法的预测值叠加作为改进方法的最终预测结果,并以反向传播(BP)神经网络作为基本预测方法对实际风电场进行实例验证分析。计算结果表明:提出的改进风电功率预测方法能够较大幅度地提高预测精度;提出的改进思路和传统改进思路不同,并不涉及基本预测方法内部特性且无需引入其他辅助方法,因而具有良好的通用性。
引用
收藏
页码:34 / 38
页数:5
相关论文
共 14 条
[1]   风电功率短期预测及非参数区间估计 [J].
周松林 ;
茆美琴 ;
苏建徽 .
中国电机工程学报, 2011, 31 (25) :10-16
[2]   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
[3]   风电功率预测技术综述 [J].
王健 ;
严干贵 ;
宋薇 ;
穆钢 .
东北电力大学学报, 2011, 31 (03) :20-24
[4]   基于脊波神经网络的短期风电功率预测 [J].
茆美琴 ;
周松林 ;
苏建徽 .
电力系统自动化, 2011, 35 (07) :70-74
[5]   风电场风速及风电功率预测方法研究综述 [J].
洪翠 ;
林维明 ;
温步瀛 .
电网与清洁能源, 2011, 27 (01) :60-66
[6]   卡尔曼滤波修正的风电场短期功率预测模型 [J].
赵攀 ;
戴义平 ;
夏俊荣 ;
盛迎新 .
西安交通大学学报 , 2011, (05) :47-51
[7]   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
[8]   风电场风速短期多步预测改进算法 [J].
潘迪夫 ;
刘辉 ;
李燕飞 .
中国电机工程学报, 2008, (26) :87-91
[9]   风电功率预测技术综述 [J].
谷兴凯 ;
范高锋 ;
王晓蓉 ;
赵海翔 ;
戴慧珠 .
电网技术, 2007, (S2) :335-338
[10]   含误差预测校正的ARIMA电价预测新方法 [J].
周明 ;
严正 ;
倪以信 ;
李庚银 .
中国电机工程学报, 2004, (12) :67-72