风电场输出功率的组合预测模型

被引：106

作者：

刘纯

范高锋

王伟胜

戴慧珠

机构：

[1] 中国电力科学研究院

来源：

电网技术 | 2009年 / 33卷 / 13期

关键词：

风电场; 功率预测; BP神经网络; 径向基函数神经网络; 支持向量机;

D O I：

10.13335/j.1000-3673.pst.2009.13.003

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

风电场输出功率预测对于接入大量风电的电力系统运行具有重要意义。作者利用BP神经网络、径向基函数神经网络和支持向量机进行风电功率预测,提出了风电场输出功率的组合预测模型。采用3种方法确定权重,即等权重平均法、协方差优选组合预测法和时变权系数组合预测法。研究结果表明,不同方法的预测精度不同,整体预测精度高的方法在个别预测点也可能误差较大,组合预测模型能有效减少各预测点较大误差的出现,有利于提高预测精度。

引用

页码：74 / 79

页数：6

共 22 条

[1] Least squares support vector machine classifiers
Suykens, JAK
Vandewalle, J
[J]. NEURAL PROCESSING LETTERS, 1999, 9 (03) : 293 - 300
[2] Short-term forecasting of wind speed and related electrical power
Alexiadis, MC
Dikopoulos, PS
Sahsamanoglou, HS
Manousaridis, IM
[J]. SOLAR ENERGY, 1998, 63 (01) : 61 - 68
[3] Fast Learning in Networks of Locally-Tuned Processing Units
Moody, John
Darken, Christian J.
[J]. NEURAL COMPUTATION, 1989, 1 (02) : 281 - 294
[4] Convergence properties of radial basis functions.[J].I. R. H. Jackson.Constructive Approximation.1988, 1
[5] TIME-SERIES MODELS TO SIMULATE AND FORECAST WIND-SPEED AND WIND POWER
BROWN, BG
KATZ, RW
MURPHY, AH
[J]. JOURNAL OF CLIMATE AND APPLIED METEOROLOGY, 1984, 23 (08): : 1184 - 1195
[6] 基于最小二乘支持向量机的短期负荷预测
耿艳
韩学山
韩力
[J]. 电网技术, 2008, (18) : 72 - 76
[7] 基于最小二乘支持向量机的风电场短期风速预测
杜颖
卢继平
李青
邓颖玲
[J]. 电网技术, 2008, (15) : 62 - 66
[8] 基于广义学习矢量量化和支持向量机的混合短期负荷预测方法
罗玮
严正
[J]. 电网技术, 2008, (13) : 62 - 68
[9] 用实测风速校正的短期风速仿真研究
王耀南
孙春顺
李欣然
[J]. 中国电机工程学报, 2008, (11) : 94 - 100
[10] 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
潘迪夫
刘辉
李燕飞
[J]. 电网技术, 2008, (07) : 82 - 86

← 1 2 3 →