风电场输出功率预测中两种神经网络算法的研究

被引：7

作者：

刘永前 ^{[1
]}

朴金姬 ^{[2
]}

韩爽 ^{[1
]}

机构：

[1] 华北电力大学可再生能源学院

[2] 华北电力大学能源动力与机械工程学院

来源：

现代电力 | 2011年 / 28卷 / 02期

基金：

国家高技术研究发展计划(863计划);

关键词：

风电场; 功率预测; 神经网络; 数值天气预报; 聚类法; 正交最小二乘算法;

D O I：

10.19725/j.cnki.1007-2322.2011.02.010

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

神经网络是风电功率预测系统中应用最广泛的方法,而其训练算法是影响预测精度的重要因素之一。探讨了采用聚类法和正交最小二乘算法两种训练方法。以中国北方某风电场的实际数据以及数值天气预报数据为依据,对RBF聚类法和正交最小二乘算法进行了验证,最终研究并比较RBF不同预测情况与BP的差异。结果表明:对于提前24h的风电功率预测,RBF神经网络模型预测精度要好于BP神经网络模型,尤其以正交最小二乘算法为训练方法建立的RBF模型,预测精度较高,能够很好拟合实际功率曲线。

引用

页码：49 / 52

页数：4

共 9 条

[1] INTERPOLATION OF SCATTERED DATA - DISTANCE MATRICES AND CONDITIONALLY POSITIVE DEFINITE FUNCTIONS [J].