第42卷第15期
史力系貌保护員控
Vo!,42No15
2014年8月1日
Powerand
肖迁,李文华,李志刚,刘金龙,刘会巧
(电磁场与家电可靠性省部共建重点实验室(广东エ业学院),北京)
摘要:为了提升超短期风电功率预测精度风电功率预测数据分辨率,使用改进的小波-DBP神经网路方式进行研究。针对预测模型普遍存在的延时问题,
先通过离散小波变换将讯号分解为高低频段的讯号,再用遗传算法优化的BP神经网路分別进行建模,最后求和各层预测信
号。因为功率和风速具有混沌特点,用C-C法联合优化构建相空间的参数,以嵌入维数为神经网路输入层节点数。应用于山
东某风电场,仿真结果表明,与BP神经网路模型相比,该算法预测风速和功率精度较高,但风速预测值经过实际功率曲线
转换后,功率预测精度变差
关键词:小波剖析;相空间解构;C-C法;遗传算法;神经网路;功率曲线转换法
Windspeedandpowerbasedon-bp
XIAOQian,LIWen-hua,LIZhi-gang,LIUJin-long,LIUHui-qiao
(-JointKeyofFieldand(Hebeiof
),,China)
:Inordertotheofultra-short-termwindpower,the-bp
is.Tosolvethedelayofthemodel风电功率预测数据分辨率,theisintohighand
owbytheransomisuseotheBPmode
.,theofalltheis.Asthewindspeedandpowerhavechaos
theC-Cisusedtoofphasespaceandtheistakenastheinput
nodeof.Itisinawindfarm,in,andtheshowthatithas
thanBPmodelinwindspeedandpower.Withtheofwindspeed
bythepowercurve,thepowergoesbad
ThisworkisbyofChina(No.
Keywords:;phase-space;C-C;;powercurve
中图分类号:TM614文献标示码:A
文章编号:1674-3415(2014)15-0080-07
0序言
风电场风电功率预测可以分为两类,一是直接
预测法,二是功率曲线转换法,即先经过预测风速,
因为风的波动性和间歌性,大容量风电场的并之后转换得到功率预测值叫。近些年来,许多学者对
网会对电网运行形成较大的冲击甚至危险。国标《风风电功率预测进行了研究,并取得了一系列的成果。
电场接入电力系统技术规定》明确要求风电场应配文献[5]用混沌DNA遗传算法确定脊波神经网路的
置风电功率预测系统,滚动上报超短期15min~4h隐层结构,之后用粒子群算法优化,得到码率为
风电功率预测曲线。为了保障电网的安全稳定运行,30min的未来24h的功率预测值。文献[]基于
对风电功率进行预测是十分必要的。对风电功率ARIMA时间序列模型对超短期功率进行了预测研
超短期预测主要用于风力发电控制、电能质量评估究,功率预测每5min手动预测一次,白动滚动执
及强化系统的经济运行等2习。
行。文献[?用数据挖掘和模糊降维技术将西北某风
场50台风机机组进行分类,应用于实时功率预测。
基金项目:国家自然科学基金项目()
文献[8]基于空间相关法与支持向量机方式,完善了
