电力自动化设备
電力自動化設備
전력자동화설비
ELECTRIC POWER AUTOMATION EQUIPMENT
2009年
6期
89-92
,共4页
李文良%卫志农%孙国强%完整%缪伟
李文良%衛誌農%孫國彊%完整%繆偉
리문량%위지농%손국강%완정%무위
风速预测%空间相关法%分时预测%空间平移法%RBF神经网络
風速預測%空間相關法%分時預測%空間平移法%RBF神經網絡
풍속예측%공간상관법%분시예측%공간평이법%RBF신경망락
空间相关法利用空间相关点风速数据之间的相似性和延时性进行风速预测,但在实际应用中存在数据收集困难的问题.提出用空间平移法对空间相关法进行改进,通过减少空间相关点的数目,可有效地降低数据收集难度.为了确定空间相关点风速与所需预测的风电场风速数据之间的非线性关系,采用径向基(RBF)神经网络,建立了基于空间相关法的分时预测模型.该方法通过对风电场与空间相关点风速时间序列之间的关联度分析,将未来预测时段分成若干个时段,在每个时段内分别选择关联度高的相关点的风速数据,作为RBF神经网络的输入数据进行训练和预测.算例表明,该方法可提高风电场风速预测的预测精度,减少了RBF神经网络的训练时间.
空間相關法利用空間相關點風速數據之間的相似性和延時性進行風速預測,但在實際應用中存在數據收集睏難的問題.提齣用空間平移法對空間相關法進行改進,通過減少空間相關點的數目,可有效地降低數據收集難度.為瞭確定空間相關點風速與所需預測的風電場風速數據之間的非線性關繫,採用徑嚮基(RBF)神經網絡,建立瞭基于空間相關法的分時預測模型.該方法通過對風電場與空間相關點風速時間序列之間的關聯度分析,將未來預測時段分成若榦箇時段,在每箇時段內分彆選擇關聯度高的相關點的風速數據,作為RBF神經網絡的輸入數據進行訓練和預測.算例錶明,該方法可提高風電場風速預測的預測精度,減少瞭RBF神經網絡的訓練時間.
공간상관법이용공간상관점풍속수거지간적상사성화연시성진행풍속예측,단재실제응용중존재수거수집곤난적문제.제출용공간평이법대공간상관법진행개진,통과감소공간상관점적수목,가유효지강저수거수집난도.위료학정공간상관점풍속여소수예측적풍전장풍속수거지간적비선성관계,채용경향기(RBF)신경망락,건립료기우공간상관법적분시예측모형.해방법통과대풍전장여공간상관점풍속시간서렬지간적관련도분석,장미래예측시단분성약간개시단,재매개시단내분별선택관련도고적상관점적풍속수거,작위RBF신경망락적수입수거진행훈련화예측.산례표명,해방법가제고풍전장풍속예측적예측정도,감소료RBF신경망락적훈련시간.