基于原子稀疏分解理论的短期风电功率滑动预测

被引：8

作者：

崔明建 ^{[1
]}

孙元章 ^{[1
]}

柯德平 ^{[1
]}

王树鹏 ^{[2
]}

机构：

[1] 武汉大学电气工程学院

[2] 不详

来源：

电力自动化设备 | 2014年 / 34卷 / 01期

关键词：

风电; 预测; 原子稀疏分解; 人工神经网络; 模型;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解(ASD)法,作为人工神经网络(ANN)的前置分解方法,将风电功率序列分解为原子分量和残差分量,对原子分量进行自预测,残差分量进行ANN预测,再通过追加最新的风电功率实时数据来更新ASD的结果,进而滑动预测下一个时刻的风电功率。以实际风电场数据进行验证,结果证明了该模型可以有效地处理风电功率非平稳性,产生更为稀疏的分解效果,显著地降低了绝对平均误差、均方根误差计算值的统计区间。

引用

页码：120 / 127

页数：8

共 25 条

[11] 中国电力与能源[M]. 中国电力出版社 , 刘振亚, 2012
[12] Two dictionaries matching pursuit for sparse decomposition of signals
Xu, Peng
Yao, Dezhong
[J]. SIGNAL PROCESSING, 2006, 86 (11) : 3472 - 3480
[13] Power fluctuations from large wind farms. Srensen, Poul,Cutululis, Nicolaus Antonio,Vigueras-Rodríguez, Antonio,Jensen, Leo E,Hjerrild, Jesper,Donovan, Martin Heyman,Madsen, Henrik. IEEE Transactions on Power Systems . 2007
[14] 风电场输出功率超短期预测结果分析与改进
陈颖
周海
王文鹏
曹潇
丁杰
[J]. 电力系统自动化, 2011, 35 (15) : 30 - 33+87
[15] 基于物理原理的风电场短期风速预测研究
冯双磊
王伟胜
刘纯
戴慧珠
[J]. 太阳能学报, 2011, 32 (05) : 611 - 616
[16] 应用原子分解的电能质量扰动信号分类方法
王宁
李林川
贾清泉
董海艳
[J]. 中国电机工程学报, 2011, 31 (04) : 51 - 58
[17] 基于非参数回归模型的短期风电功率预测
王彩霞
鲁宗相
乔颖
闵勇
周双喜
[J]. 电力系统自动化, 2010, 34 (16) : 78 - 82+91
[18] 采用变速恒频机组的风电场并网问题研究综述(英文)
孙元章
林今
李国杰
黎雄
[J]. 电力系统自动化, 2010, 34 (03) : 75 - 80
[19] 采用变速恒频机组的风电场有功功率波动对系统节点频率影响的动态评估模型
林今
孙元章
李国杰
黎雄
[J]. 电力自动化设备, 2010, 30 (02) : 14 - 18+32
[20] 风电场功率预测物理方法研究
冯双磊
王伟胜
刘纯
戴慧珠
[J]. 中国电机工程学报, 2010, 30 (02) : 1 - 6

← 1 2 3 →