基于空间相关法的风电场风速多步预测模型

被引:42
作者
陈妮亚 [1 ]
钱政 [1 ]
孟晓风 [1 ]
孟凯峰 [2 ]
机构
[1] 北京航空航天大学仪器科学与光电工程学院
[2] 中能电力科技开发有限公司
关键词
风速预测; 空间相关; 支持向量机; 混合模型;
D O I
10.19595/j.cnki.1000-6753.tces.2013.05.002
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
风电场风速的准确预测对于评估风电场接入电网的安全性与经济性有重要意义。本文基于空间相关法与支持向量机方法,提出了一种新的风速多步预测混合模型。文中首先提出使用相关系数作为判据的方法,选择模型的最优输入参数,以建立精确的分风向空间相关模型。在详细分析风向对预测精度的影响后,结合支持向量机(SVM)方法,以消除风向变化对空间相关模型的不利影响,最终得到预测精度高、性能稳定的混合模型。文中使用某风电场的实测数据进行建模验证,并与几种经典的风速预测算法相比较,结果证实该混合模型的预测精度有显著提高。
引用
收藏
页码:15 / 21
页数:7
相关论文
共 8 条
[1]   风场短期风速预测研究 [J].
罗文 ;
王莉娜 .
电工技术学报, 2011, 26 (07) :68-74
[2]   大规模风电并网电力系统经济调度中风电场出力的短期预测模型 [J].
袁铁江 ;
晁勤 ;
李义岩 ;
吐尔逊·伊不拉音 .
中国电机工程学报, 2010, 30 (13) :23-27
[3]   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
[4]   基于混沌时间序列的大型风电场发电功率预测建模与研究 [J].
冬雷 ;
王丽婕 ;
高爽 ;
廖晓钟 .
电工技术学报, 2008, 23 (12) :125-129
[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]   Improvements in wind speed forecasts for wind power prediction purposes using Kalman filtering [J].
Louka, P. ;
Galanis, G. ;
Siebert, N. ;
Kariniotaki, G. ;
Katsafados, P. ;
Pytharoulis, I. ;
Kallos, G. .
JOURNAL OF WIND ENGINEERING AND INDUSTRIAL AERODYNAMICS, 2008, 96 (12) :2348-2362
[7]   Locally recurrent neural networks for wind speed prediction using spatial correlation [J].
Barbounis, T. G. ;
Theocharis, J. B. .
INFORMATION SCIENCES, 2007, 177 (24) :5775-5797
[8]   A tutorial on support vector regression [J].
Smola, AJ ;
Schölkopf, B .
STATISTICS AND COMPUTING, 2004, 14 (03) :199-222