基于小波与最小资源分配网络的超短期风电功率预测研究

被引：22

作者：

杨杰 ^{[1
]}

霍志红 ^{[1
]}

何永生 ^{[2
]}

郭苏 ^{[1
]}

邱良 ^{[2
]}

许昌 ^{[1
]}

机构：

[1] 河海大学能源与电气学院

[2] 中国电建昆明勘测设计研究院有限公司

来源：

电力系统保护与控制 | 2018年 / 46卷 / 09期

关键词：

风电场; 神经网络; 小波分析; 最小资源分配网络; 超短期风电功率预测;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

针对风电场实际风速和风电功率序列的波动性、间歇性等特点以及RBF神经网络结构一旦确定隐节点个数就不可变等缺陷,提出了基于小波分析和最小资源分配网络的超短期风电功率预测方法。首先将历史风速和风电功率序列进行小波去噪及多频分解,得到多组高频信号和一组低频信号。然后对各频信号分别建立神经网络预测模型对未来4 h风电功率进行超短期预测。最后将各预测结果通过小波重构得到最终的超短期预测功率。实验结果证明,该方法能有效提高预测精度。

引用

页码：55 / 61

页数：7

共 20 条

[1] 关于利用空间相关性预测风速的评述 [J].