基于改进熵权法的风电功率组合预测方法

被引：7

作者：

杨茂 ^{[1
]}

齐玥 ^{[1
]}

穆钢 ^{[1
]}

严干贵 ^{[1
]}

齐永志 ^{[2
]}

机构：

[1] 东北电力大学电气工程学院

[2] 黑龙江省第一水文地质工程地质勘察院

来源：

电测与仪表 | 2015年 / 52卷 / 15期

关键词：

改进熵权法; 风电功率; 滚动式权重; 组合预测;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

对风电场输出功率进行精确的预测是保证含大规模风电电力系统安全稳定运行的重要手段。采用单一预测模型进行预测时,都会有各自的优势和劣势,为了更好地提高风电功率预测精度,提出了基于改进熵权法的风电功率组合预测方法,并同时采用滚动式权重,以此来实现对单一预测模型的互补。以吉林省西部某风电场的实测数据为例进行分析,说明了基于改进熵权法的风电功率组合预测方法在对风电功率进行预测时的有效性,同时证明了滚动式权重可以实现对权重的不断更新,使各权重值能够反映出风电功率的最新变化,从而实现了对风电功率预测精度的提高。

引用

页码：46 / 49+61 +61

页数：5

共 9 条

[1] 基于GA优化SVM的风电功率的超短期预测 [J].

刘爱国 ;

薛云涛 ;

胡江鹭 ;

刘路平 .

电力系统保护与控制, 2015, 43 (02) :90-95

[2] 基于改进KNN算法的风电功率实时预测研究 [J].

杨茂 ;

贾云彭 ;

穆钢 ;

严干贵 ;

刘佳 .

电测与仪表, 2014, (24) :38-43

[3] 改进型T-S模糊神经网络风电功率预测模型的研究 [J].

张维杰 ;

田建艳 ;

王芳 ;

张晓明 ;

韩肖清 ;

王鹏 .

自动化仪表, 2014, 35 (12) :39-42

[4] 改进熵权法及其在电能质量评估中的应用 [J].

欧阳森 ;

石怡理 .

电力系统自动化, 2013, 37 (21) :156-159+164

[5] 两种风电功率多步预测方式的分析及评价 [J].

严干贵 ;

王东 ;

杨茂 ;

熊昊 ;

宋薇 .

东北电力大学学报, 2013, 33(Z1) (Z1) :126-130

[6] 基于交叉熵理论的风电功率组合预测方法 [J].

陈宁 ;

沙倩 ;

汤奕 ;

朱凌志 .

中国电机工程学报, 2012, 32 (04) :29-34+22

[7] 应用支持向量机的变压器故障组合预测 [J].

赵文清 ;

朱永利 ;

张小奇 .

中国电机工程学报, 2008, (25) :14-19

[8] 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

[9]

Multi-step forecasting for wind speed using a modified EMD-based artificial neural network model[J] . Zhenhai Guo,Weigang Zhao,Haiyan Lu,Jianzhou Wang.Renewable Energy . 2011 (1)

← 1 →