世界科技研究与发展
世界科技研究與髮展
세계과기연구여발전
WORLD SCI-TECH R & D
2011年
6期
1006-1010
,共5页
风电功率%超短期预测%小波分析%Donoho阀值%BP神经网络
風電功率%超短期預測%小波分析%Donoho閥值%BP神經網絡
풍전공솔%초단기예측%소파분석%Donoho벌치%BP신경망락
针对超短期风电功率预测问题,考虑了风电场复杂的噪声背景和风电功率的波动性,提出了一种基于小波阀值降噪—BP神经网络的超短期风电功率预测方法.该方法采用近似对称光滑的紧支撑双正交小波db4(Daubechies函数)作为小波基,通过多分辨分析的Mallat算法对历史时序风电功率数据进行3尺度分解.根据Donoho阀值法对各层小波系数进行软阀值降噪处理,再通过小波逆变换重构历史时序风电功率,由BP神经网络对其进行训练,预测目的风电功率序列.仿真算例将该方法与普通BP神经网络方法进行了对比,比较结果证明其预测精度优于后者,具有很好鲁棒性和降噪性能,适用噪声复杂的风电场超短期风电功率在线预测.
針對超短期風電功率預測問題,攷慮瞭風電場複雜的譟聲揹景和風電功率的波動性,提齣瞭一種基于小波閥值降譟—BP神經網絡的超短期風電功率預測方法.該方法採用近似對稱光滑的緊支撐雙正交小波db4(Daubechies函數)作為小波基,通過多分辨分析的Mallat算法對歷史時序風電功率數據進行3呎度分解.根據Donoho閥值法對各層小波繫數進行軟閥值降譟處理,再通過小波逆變換重構歷史時序風電功率,由BP神經網絡對其進行訓練,預測目的風電功率序列.倣真算例將該方法與普通BP神經網絡方法進行瞭對比,比較結果證明其預測精度優于後者,具有很好魯棒性和降譟性能,適用譟聲複雜的風電場超短期風電功率在線預測.
침대초단기풍전공솔예측문제,고필료풍전장복잡적조성배경화풍전공솔적파동성,제출료일충기우소파벌치강조—BP신경망락적초단기풍전공솔예측방법.해방법채용근사대칭광활적긴지탱쌍정교소파db4(Daubechies함수)작위소파기,통과다분변분석적Mallat산법대역사시서풍전공솔수거진행3척도분해.근거Donoho벌치법대각층소파계수진행연벌치강조처리,재통과소파역변환중구역사시서풍전공솔,유BP신경망락대기진행훈련,예측목적풍전공솔서렬.방진산례장해방법여보통BP신경망락방법진행료대비,비교결과증명기예측정도우우후자,구유흔호로봉성화강조성능,괄용조성복잡적풍전장초단기풍전공솔재선예측.
