一种基于径向基神经网络的短期风电功率直接预测方法

被引：33

作者：

马斌

张丽艳

机构：

[1] 西南交通大学电气工程学院

来源：

电力系统保护与控制 | 2015年 / 43卷 / 19期

关键词：

风电功率; 预测; RBF神经网络; 模糊聚类算法; 对比;

D O I：

暂无

中图分类号：

TM614 [风能发电]; TP183 [人工神经网络与计算];

学科分类号：

0807 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种基于RBF神经网络的未来24 h风电功率直接预测方法。为克服传统聚类算法局部寻优的缺陷,基于模糊C-均值聚类算法,提出了一种将遗传算法、模拟退火算法和模式识别技术相结合的模糊聚类算法。基于某风电场的实测数据,采用所提出的模糊聚类算法和几种常用方法分别确定径向基函数的中心,并采用最小二乘法解决权值学习问题。预测结果表明了基于RBF神经网络的风电功率预测方法能够有效提高预测精度,且证明了所提出的模糊聚类算法的优越性。

引用

收藏

页码：78 / 82

页数：5

相关论文

共 14 条

[1] 基于季风特性改进风电功率预测的研究展望 [J].

杨正瓴 ;

冯勇 ;

熊定方 ;

杨钊 ;

张玺 ;

张军 .

智能电网, 2015, 3 (01) :1-7

[2] 基于粗糙集理论-主成分分析的Elman神经网络短期风速预测 [J].

尹东阳 ;

盛义发 ;

蒋明洁 ;

李永胜 ;

谢曲天 .

电力系统保护与控制, 2014, 42 (11) :46-51

[3] 基于空间相关法的风电场风速多步预测模型 [J].

陈妮亚 ;

钱政 ;

孟晓风 ;

孟凯峰 .

电工技术学报, 2013, 28 (05) :15-21

[4] 基于径向基神经网络的输电线路动态容量在线预测 [J].

王孔森 ;

盛戈皞 ;

孙旭日 ;

王威 ;

王世强 ;

江秀臣 .

电网技术, 2013, 37 (06) :1719-1725

[5] 基于主成分分析的神经网络动态集成风功率超短期预测 [J].

何东 ;

刘瑞叶 .

电力系统保护与控制, 2013, 41 (04) :50-54

[6] 长时间尺度风电出力时间序列建模新方法研究 [J].

刘纯 ;

吕振华 ;

黄越辉 ;

马烁 ;

王伟胜 .

电力系统保护与控制, 2013, 41 (01) :7-13

[7] 基于RBF神经网络的短期负荷预测方法综述 [J].

彭显刚 ;

胡松峰 ;

吕大勇 .

电力系统保护与控制, 2011, 39 (17) :144-148

[8] 基于RBF神经元网络的风电功率短期预测 [J].

武小梅 ;

白银明 ;

文福拴 .

电力系统保护与控制, 2011, 39 (15) :80-83

[9] 基于时间连续性及季节周期性的风速短期组合预测方法 [J].

蒋小亮 ;

蒋传文 ;

彭明鸿 ;

林海涛 ;

李子林 .

电力系统自动化, 2010, 34 (15) :75-79

[10] 基于组合预测的风电场风速及风电机功率预测 [J].

张国强 ;

张伯明 .

电力系统自动化, 2009, 33 (18) :92-95+109