第42卷第15期
史力系貌保護員控
Vo!,42No15
2014年8月1日
Powerand
肖遷,李文華,李志剛,劉金龍,劉會巧
(電磁場與家電可靠性省部共建重點實驗室(廣東エ業學院),北京)
摘要:為了提升超短期風電功率預測精度風電功率預測數據分辨率,使用改進的小波-DBP神經網路方式進行研究。針對預測模型普遍存在的延時問題,
先通過離散小波變換將訊號分解為高低頻段的訊號,再用遺傳算法優化的BP神經網路分別進行建模,最后求和各層預測信
號。因為功率和風速具有混沌特點,用C-C法聯合優化構建相空間的參數,以嵌入維數為神經網路輸入層節點數。應用于山
東某風電場,仿真結果表明,與BP神經網路模型相比,該算法預測風速和功率精度較高,但風速預測值經過實際功率曲線
轉換后,功率預測精度變差
關鍵詞:小波剖析;相空間解構;C-C法;遺傳算法;神經網路;功率曲線轉換法
Windspeedandpowerbasedon-bp
XIAOQian,LIWen-hua,LIZhi-gang,LIUJin-long,LIUHui-qiao
(-JointKeyofFieldand(Hebeiof
),,China)
:Inordertotheofultra-short-termwindpower,the-bp
is.Tosolvethedelayofthemodel風電功率預測數據分辨率,theisintohighand
owbytheransomisuseotheBPmode
.,theofalltheis.Asthewindspeedandpowerhavechaos
theC-Cisusedtoofphasespaceandtheistakenastheinput
nodeof.Itisinawindfarm,in,andtheshowthatithas
thanBPmodelinwindspeedandpower.Withtheofwindspeed
bythepowercurve,thepowergoesbad
ThisworkisbyofChina(No.
Keywords:;phase-space;C-C;;powercurve
中圖分類號:TM614文獻標示碼:A
文章編號:1674-3415(2014)15-0080-07
0序言
風電場風電功率預測可以分為兩類,一是直接
預測法,二是功率曲線轉換法,即先經過預測風速,
因為風的波動性和間歌性,大容量風電場的并之后轉換得到功率預測值叫。近些年來,許多學者對
網會對電網運行形成較大的沖擊甚至危險。國標《風風電功率預測進行了研究,并取得了一系列的成果。
電場接入電力系統技術規定》明確要求風電場應配文獻[5]用混沌DNA遺傳算法確定脊波神經網路的
置風電功率預測系統,滾動上報超短期15min~4h隱層結構,之后用粒子群算法優化,得到碼率為
風電功率預測曲線。為了保障電網的安全穩定運行,30min的未來24h的功率預測值。文獻[]基于
對風電功率進行預測是十分必要的。對風電功率ARIMA時間序列模型對超短期功率進行了預測研
超短期預測主要用于風力發電控制、電能質量評估究,功率預測每5min手動預測一次,白動滾動執
及強化系統的經濟運行等2習。
行。文獻[?用數據挖掘和模糊降維技術將西北某風
場50臺風機機組進行分類,應用于實時功率預測。
基金項目:國家自然科學基金項目()
文獻[8]基于空間相關法與支持向量機方式,完善了
