基于RVM与ARMA误差校正的短期风速预测

被引：36

作者：

孙国强

卫志农

翟玮星

机构：

[1] 河海大学能源与电气学院

来源：

电工技术学报 | 2012年 / 27卷 / 08期

关键词：

风速预测; 误差校正; RVM模型; AMRA模型;

D O I：

10.19595/j.cnki.1000-6753.tces.2012.08.026

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

为提高风速预测的准确性,提出了基于相关向量机(RVM)与自回归滑动平均(ARMA)误差校正的风电场短期风速预测算法。该算法首先在RVM的基础上,建立了影响因素与未来24小时风速的非线性模型,并采用遗传算法(GA)进行优化,从而保证了模型参数最优。然后,针对已建立的RVM预测模型的误差序列,采用ARMA模型对其进行拟合,最后用ARMA模型的误差预测值校正已有的风速预测值。本文对江苏某风电场的风速进行预测,算例结果表明该方法是合理有效的。

引用

收藏

页码：187 / 193

页数：7

相关论文

共 13 条

[1] 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

[2] 风电场发电功率的建模和预测研究综述 [J].

王丽婕 ;

廖晓钟 ;

高阳 ;

高爽 .

电力系统保护与控制, 2009, 37 (13) :118-121

[3] 基于相关向量机的交流特高压输电线路可听噪声的预测研究 [J].

牛林 ;

杜至刚 ;

赵建国 .

电力自动化设备, 2009, 29 (06) :71-76

[4] 基于改进空间相关法和径向基神经网络的风电场短期风速分时预测模型 [J].

李文良 ;

卫志农 ;

孙国强 ;

完整 ;

缪伟 .

电力自动化设备, 2009, 29 (06) :89-92

[5] 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

[6] 风电场风速短期多步预测改进算法 [J].

潘迪夫 ;

刘辉 ;

李燕飞 .

中国电机工程学报, 2008, (26) :87-91

[7] 小时风速的向量自回归模型及应用 [J].

孙春顺 ;

王耀南 ;

李欣然 .

中国电机工程学报, 2008, (14) :112-117

[8] 关于核函数选取的方法 [J].

王炜 ;

郭小明 ;

王淑艳 ;

刘丽琴 .

辽宁师范大学学报(自然科学版), 2008, (01) :1-4

[9] 基于相关向量回归的非线性时间序列预测方法 [J].

刘芳 ;

周建中 ;

邱方鹏 ;

刘力 .

计算机工程, 2008, (03) :1-2+5

[10] 基于时间序列分析的风电场风速预测模型 [J].

丁明 ;

张立军 ;

吴义纯 .

电力自动化设备, 2005, (08) :32-34