基于多位置NWP的超短期风速预测研究

被引：14

作者：

任亮

赵兴勇

机构：

[1] 山西大学电力工程系

来源：

电网与清洁能源 | 2014年 / 30卷 / 05期

关键词：

风速预测; 超短期预测; 数值天气预报; BP神经网络; GRNN神经网络;

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：

数值天气预报(NWP)是影响风电场超短期预测精度的主要因素。采用数据挖掘技术中的主成分分析方法,对位于一个风电场多个位置的NWP各指标数据进行主成分提取,获取几个综合指标,使得新的输入变量维数降低,分量间相关性减小。在此基础上,利用BP神经网络和泛化回归神经网络(GRNN)建立超短期风速预测模型,实验结果显示,基于主成分分析提取的GRNN预测模型预测精度更高。

引用

收藏

页码：99 / 104

页数：6

相关论文

共 9 条

[1]

基于灰色-辨识模型的风电功率短期预测 [J].

王子赟 ;

纪志成 .

电力系统保护与控制, 2013, 41 (12) :79-85

[2]

基于Elman神经网络的短期风电功率预测 [J].

张靠社 ;

杨剑 .

电网与清洁能源, 2012, 28 (12) :87-91

[3]

风电功率时间序列混沌特性分析及预测模型研究 [J].

张学清 ;

梁军 .

物理学报, 2012, 61 (19) :70-81

[4]

风电场发电功率短期预测组合模型研究 [J].

牛晨光 ;

游晓科 ;

赵震云 ;

刘观起 .

华北电力大学学报(自然科学版), 2012, 39 (03) :29-34

[5]

采用时间序列预测风电场出力 [J].

连文莉 ;

黄成辰 ;

吕昌霖 .

电网与清洁能源, 2011, 27 (12) :112-117

[6]

灰色理论用于风力发电容量中长期预测的研究 [J].

孟祥星 ;

田成微 ;

冬雷 ;

高阳 ;

郝颖 ;

廖晓钟 .

电力系统保护与控制, 2011, 39 (21) :81-85

[7]

基于小波—BP神经网络的短期风电功率预测方法 [J].

师洪涛 ;

杨静玲 ;

丁茂生 ;

王金梅 .

电力系统自动化, 2011, 35 (16) :44-48

[8]

卡尔曼滤波修正的风电场短期功率预测模型 [J].

赵攀 ;

戴义平 ;

夏俊荣 ;

盛迎新 .

西安交通大学学报 , 2011, (05) :47-51

[9]

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