数据分辨率影响风电功率预测精度分析

被引：2

作者：

徐茂峻

雷阳

王文海

段建东

机构：

[1] 西安理工大学电气系

来源：

电网与清洁能源 | 2015年 / 31卷 / 04期

关键词：

风电功率预测; 时间分辨率; 预测精度; 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：

0807 ;

摘要：

目前对风电功率短时预测的研究主要集中在预测方法上,而缺乏对数据本身特性的探讨。从实测数据出发,呈现3种典型分辨率5 min、10 min、15 min,并结合Elman神经网络算法对超短期(4 h)和短期(24 h)的风力发电机输出功率进行预测分析。结果表明:分辨率为10 min的原始数据对风电输出功率的超短期预测具有更好的结果,15 min分辨率的数据对风电功率的短期预测结果更佳。采用合理分辨率的数据后,能够有效地提高风电功率的预测精度。

引用

收藏

页码：95 / 99+105 +105

页数：6

相关论文

共 15 条

[1] 一种基于BP神经网络的快速谐波分析算法研究 [J].

李德超 .

电瓷避雷器, 2014, (06) :67-71

[2] 基于BP神经网络的普通建筑雷灾风险评估 [J].

华晨辉 ;

杨仲江 ;

罗骕翾 ;

路明 .

电瓷避雷器, 2014, (05) :60-65

[3] 风电场超短期风功率预测问题研究 [J].

易跃春 ;

马月 ;

王霁雪 ;

李桂敏 ;

秦潇 ;

陈文凯 .

水力发电, 2013, 39 (07) :96-99

[4] 基于Elman神经网络的短期风电功率预测 [J].

张靠社 ;

杨剑 .

电网与清洁能源, 2012, 28 (12) :87-91

[5] 基于动态神经网络的风电场输出功率预测 [J].

刘瑞叶 ;

黄磊 .

电力系统自动化, 2012, 36 (11) :19-22+37

[6] 基于人工神经网络的风电场短期功率预测 [J].

彭怀午 ;

刘方锐 ;

杨晓峰 .

太阳能学报, 2011, 32 (08) :1245-1250

[7] 风电功率预测技术综述 [J].

王健 ;

严干贵 ;

宋薇 ;

穆钢 .

东北电力大学学报, 2011, 31 (03) :20-24

[8] 风电功率波动的时空分布特性 [J].

崔杨 ;

穆钢 ;

刘玉 ;

严干贵 .

电网技术, 2011, 35 (02) :110-114

[9] 风电场风速及风电功率预测方法研究综述 [J].

洪翠 ;

林维明 ;

温步瀛 .

电网与清洁能源, 2011, 27 (01) :60-66

[10] 基于相似日和人工神经网络的风电功率短期预测 [J].

孟洋洋 ;

卢继平 ;

孙华利 ;

潘雪 ;

高道春 ;

廖勇 .

电网技术, 2010, 34 (12) :163-167