基于Adaboost的BP神经网络改进算法在短期风速预测中的应用

被引：60

作者：

吴俊利

张步涵

王魁

机构：

[1] 强电磁工程与新技术国家重点实验室(华中科技大学)

来源：

电网技术 | 2012年 / 36卷 / 09期

关键词：

风速预测; Adaboost; BP神经网络;

D O I：

10.13335/j.1000-3673.pst.2012.09.037

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

进行较准确的风速预测对含大规模风电场的电力系统进行经济调度具有重要意义。针对目前神经网络法、时间序列法、卡尔曼滤波法等算法在短期风速预测上精度不高的缺陷,引入Adaboost算法对前馈(back propagation,BP)神经网络算法进行改进,提出了基于Adaboost的BP神经网络算法,并将该方法应用于短期风速预测。经算例分析,该算法在超前1 h和2 h的风速预测精度优于其他2种算法,且该算法在高风速段(10 m/s以上)平均绝对百分比误差低于7.5%,具有较高的工程应用价值。

引用

收藏

页码：221 / 225

页数：5

相关论文

共 12 条

[1] 大规模风电接入后的系统调峰充裕性评估 [J].

张宏宇 ;

印永华 ;

申洪 ;

何剑 ;

赵珊珊 .

中国电机工程学报, 2011, 31 (22) :26-31

[2] 大规模风电接入电网的相关问题及措施 [J].

张丽英 ;

叶廷路 ;

辛耀中 ;

韩丰 ;

范高锋 .

中国电机工程学报, 2010, 30 (25) :1-9

[3] 基于最小二乘支持向量机的风速预测模型 [J].

曾杰 ;

张华 .

电网技术, 2009, 33 (18) :144-147

[4] 基于人工神经网络的风电功率预测 [J].

范高锋 ;

王伟胜 ;

刘纯 ;

戴慧珠 .

中国电机工程学报, 2008, (34) :118-123

[5] 基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型 [J].

潘迪夫 ;

刘辉 ;

李燕飞 .

电网技术, 2008, (07) :82-86

[6] 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

[7] 基于神经网络的风电场风速时间序列预测研究 [J].

肖永山 ;

王维庆 ;

霍晓萍 .

节能技术, 2007, (02) :106-108+175

[8] 自适应卡尔曼滤波在电力系统短期负荷预测中的应用 [J].

马静波 ;

杨洪耕 .

电网技术, 2005, (01) :75-79

[9] 交通量预测的神经网络集成方法 [J].

陈淑燕 ;

王炜 ;

瞿高峰 ;

张胜 .

公路交通科技, 2004, (12) :80-83+92

[10] 电力系统短期负荷预测的多神经网络Boosting集成模型 [J].

高琳 ;

高峰 ;

管晓宏 ;

周佃民 .

西安交通大学学报, 2004, (10) :1026-1030