基于小波分解和ELMAN神经网络的风速—风功率预测研究

被引：12

作者：

汪小明 ^{[1
]}

尹笋 ^{[1
]}

杨楠 ^{[2
]}

严居斌 ^{[1
]}

吴戎 ^{[1
]}

机构：

[1] 国网四川省电力公司经济技术研究院

[2] 三峡大学新能源微电网湖北省协同创新中心

来源：

陕西电力 | 2014年 / 42卷 / 09期

关键词：

风功率预测; 小波分解; ELMAN神经网络;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

针对风功率难以预测的问题,提出一种基于小波分解和ELMAN神经网络的风速-风功率预测模型,采用小波分解来降低风速的非平稳性;采用ELMAN神经网络建立风速预测模型;基于实测数据拟合功率曲线,并结合得到的功率曲线进行风功率预测。最后将建模流程应用到实测数据验证模型的有效性,结果表明了模型的先进性。

引用

页码：11 / 14

页数：4

共 11 条

[1]

眉山电网负荷预测和分析系统的设计与实现.[D].吕毅.电子科技大学.2012, 05

[2]

湖南省肾综合征出血热的流行特征及Elman神经网络预测 [D].

孔令岩 .

中南大学,

2010

[3]

人工神经网络导论.[M].张青贵编著;.中国水利水电出版社.2004,

[4]

多频率尺度下的风电场短期风速预测融合算法 [J].

胡倩 ;

周辛南 ;

易伟 ;

秦洪伟 .

陕西电力, 2014, 42 (01) :27-31+36

[5]

基于时间序列—状态转移的短期风速预测 [J].

申永涛 ;

刘宗歧 ;

杨铎 .

陕西电力, 2013, 41 (11) :14-16+20

[6]

基于小波变换和数学形态学的局部放电信号降噪算法的研究 [J].

李洪涛 ;

吴晓文 .

陕西电力, 2013, 41 (06) :1-5+75

[7]

基于高斯过程回归的短期风速预测 [J].

孙斌 ;

姚海涛 ;

刘婷 .

中国电机工程学报, 2012, 32 (29) :104-109+5

[8]

风电功率预测研究方法综述 [J].

符金伟 ;

马进 ;

周榆晓 ;

张恺 .

华东电力, 2012, 40 (05) :888-892

[9]

风电场风速及风功率预测方法研究综述 [J].

王颖 ;

魏云军 .

陕西电力, 2011, 39 (11) :18-21+30

[10]

大规模风电接入电网的相关问题及措施 [J].

张丽英 ;

叶廷路 ;

辛耀中 ;

韩丰 ;

范高锋 .

中国电机工程学报, 2010, 30 (25) :1-9

← 1 2 →