风电场短期风速变化区间与变化趋势预测算法

被引：15

作者：

陈伟 ^{[1
]}

郭建鹏 ^{[1
]}

裴喜平 ^{[1
]}

李恒杰 ^{[1
]}

张萍 ^{[1
]}

肖骏 ^{[2
]}

机构：

[1] 兰州理工大学电气工程与信息工程学院

[2] 甘肃省电力公司电力科学研究院

来源：

电力系统及其自动化学报 | 2015年 / 27卷 / 09期

关键词：

风力发电; 风速区间预测; 模糊信息粒化; 最小二乘支持向量机;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

风电场短期风速区间预测对风电场与电力系统的协调运行具有重要意义,基于模糊信息粒化和最小二乘支持向量机提出了一种短期风速区间预测算法。首先对风速时间序列进行Witold Pedrycz模糊信息粒化,得到3个模糊粒子Low、R和Up,分别代表风速区间的最小值、变化趋势和最大值,然后利用最小二乘支持向量机回归预测模型对粒化数据进行回归预测。实例分析结果表明,该算法提高了预测精度和效率,可以有效地预测风电场短期风速的变化区间和变化趋势。

引用

页码：47 / 52

页数：6

共 13 条

[1]

基于优化BP神经网络和粒计算的股指预测研究 [D].