三峡大学学报（自然科学版）
三峽大學學報（自然科學版）
삼협대학학보（자연과학판）
JOURNAL OF CHINA THREE GORGES UNIVERSITY(NATURAL SCIENCES)
2012年
5期
48-51
,共4页
胡渊%谭宗柒%朱华玲%张涛
鬍淵%譚宗柒%硃華玲%張濤
호연%담종칠%주화령%장도
风电功率预测%ARMA模型%组合预测
風電功率預測%ARMA模型%組閤預測
풍전공솔예측%ARMA모형%조합예측
由于风力发电所利用的近地风能具有波动性、间歇性、低能量密度等特点,对风电场的发电功率进行尽可能准确的预测是风电发展的关键.本文根据某风场的实测数据,采用了时间序列中的自回归移动平均模型(ARMA),对风电功率进行了实时预测;为进一步提高风电功率实时预测的精确性,本文提出了一种基于BP神经网络和ARMA组合模型的预测方法,并对上述实测数据采用该方法进行了实时预测,预测结果表明:组合模型的预测结果与单独的自回归移动平均模型相比,风电功率的实时预测的均方根误差和百分比误差分别减少了4.01％和3.25％,工程中可以采用该组合模型对风电功率进行预测,
由于風力髮電所利用的近地風能具有波動性、間歇性、低能量密度等特點,對風電場的髮電功率進行儘可能準確的預測是風電髮展的關鍵.本文根據某風場的實測數據,採用瞭時間序列中的自迴歸移動平均模型(ARMA),對風電功率進行瞭實時預測;為進一步提高風電功率實時預測的精確性,本文提齣瞭一種基于BP神經網絡和ARMA組閤模型的預測方法,併對上述實測數據採用該方法進行瞭實時預測,預測結果錶明:組閤模型的預測結果與單獨的自迴歸移動平均模型相比,風電功率的實時預測的均方根誤差和百分比誤差分彆減少瞭4.01％和3.25％,工程中可以採用該組閤模型對風電功率進行預測,
유우풍력발전소이용적근지풍능구유파동성、간헐성、저능량밀도등특점,대풍전장적발전공솔진행진가능준학적예측시풍전발전적관건.본문근거모풍장적실측수거,채용료시간서렬중적자회귀이동평균모형(ARMA),대풍전공솔진행료실시예측;위진일보제고풍전공솔실시예측적정학성,본문제출료일충기우BP신경망락화ARMA조합모형적예측방법,병대상술실측수거채용해방법진행료실시예측,예측결과표명:조합모형적예측결과여단독적자회귀이동평균모형상비,풍전공솔적실시예측적균방근오차화백분비오차분별감소료4.01％화3.25％,공정중가이채용해조합모형대풍전공솔진행예측,
