基于小波-神经网络的风速及风力发电量预测

被引:60
作者
杨琦 [1 ]
张建华 [1 ]
王向峰 [2 ]
李卫国 [1 ]
机构
[1] 电力系统保护与动态安全监控教育部重点实验室(华北电力大学)
[2] 不详
关键词
风力发电; 风速预测; 小波-神经网络;
D O I
10.13335/j.1000-3673.pst.2009.17.011
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
风能作为可再生清洁能源已得到世界各国的广泛应用。由于风速的不确定性,给保障风力可靠性发电带来了一定的困难。提出了一种较为准确的小波–神经网络法预测风速。该方法利用小波函数将原始波形进行不同尺度的分解,将分解得到的周期分量用时间序列进行预测,其余部分采用神经网络进行预测,最后将信号序列进行重构得到完整的风速预测结果。在神经–网络学习过程中加入了微分进化算法,提高了其收敛速度,解决了局部最小化问题。通过实例分析证明了该算法能较为准确地预测风速。
引用
收藏
页码:44 / 48
页数:5
相关论文
共 14 条
[1]   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
[2]   风力发电对电力系统的影响(英文) [J].
孙元章 ;
吴俊 ;
李国杰 .
电网技术, 2007, (20) :55-62
[3]   基于随机规划的并网风电场最大注入功率计算 [J].
吴俊 ;
李国杰 ;
孙元章 .
电网技术, 2007, (14) :15-19
[4]   基于时间序列分析的风电场风速预测模型 [J].
丁明 ;
张立军 ;
吴义纯 .
电力自动化设备, 2005, (08) :32-34
[5]   风电场风速和发电功率预测研究 [J].
杨秀媛 ;
肖洋 ;
陈树勇 .
中国电机工程学报, 2005, (11) :1-5
[6]   并网风力发电场的最大注入功率分析 [J].
吴俊玲 ;
周双喜 ;
孙建锋 ;
陈寿孙 ;
孟庆和 .
电网技术, 2004, (20) :28-32
[7]   小波变换、神经网络和小波网络的函数逼近能力分析与比较 [J].
刘志刚 ;
王晓茹 ;
何正友 ;
钱清泉 .
电力系统自动化, 2002, (20) :39-44
[8]   小波模糊神经网络应用于配电网输电线的故障测距 [J].
范春菊 ;
张兆宁 ;
郁惟镛 .
电网技术, 2002, (09) :13-17
[9]   含风电场电力系统的有功优化潮流 [J].
雷亚洲 ;
王伟胜 ;
印永华 ;
戴慧珠 .
电网技术, 2002, (06) :18-21
[10]   基于小波神经网络的电力系统振荡和故障识别 [J].
毛鹏 ;
张兆宁 ;
林湘宁 ;
孙雅明 .
电力系统自动化, 2002, (11) :9-13+44