电网技术
電網技術
전망기술
POWER SYSTEM TECHNOLOGY
2012年
9期
221-225
,共5页
风速预测%Adaboost%BP神经网络
風速預測%Adaboost%BP神經網絡
풍속예측%Adaboost%BP신경망락
进行较准确的风速预测对含大规模风电场的电力系统进行经济调度具有重要意义.针对目前神经网络法、时间序列法、卡尔曼滤波法等算法在短期风速预测上精度不高的缺陷,引入Adaboost算法对前馈(back propagation,BP)神经网络算法进行改进,提出了基于Adaboost的BP神经网络算法,并将该方法应用于短期风速预测.经算例分析,该算法在超前1h和2h的风速预测精度优于其他2种算法,且该算法在高风速段(10m/s以上)平均绝对百分比误差低于7.5％,具有较高的工程应用价值.
進行較準確的風速預測對含大規模風電場的電力繫統進行經濟調度具有重要意義.針對目前神經網絡法、時間序列法、卡爾曼濾波法等算法在短期風速預測上精度不高的缺陷,引入Adaboost算法對前饋(back propagation,BP)神經網絡算法進行改進,提齣瞭基于Adaboost的BP神經網絡算法,併將該方法應用于短期風速預測.經算例分析,該算法在超前1h和2h的風速預測精度優于其他2種算法,且該算法在高風速段(10m/s以上)平均絕對百分比誤差低于7.5％,具有較高的工程應用價值.
진행교준학적풍속예측대함대규모풍전장적전력계통진행경제조도구유중요의의.침대목전신경망락법、시간서렬법、잡이만려파법등산법재단기풍속예측상정도불고적결함,인입Adaboost산법대전궤(back propagation,BP)신경망락산법진행개진,제출료기우Adaboost적BP신경망락산법,병장해방법응용우단기풍속예측.경산례분석,해산법재초전1h화2h적풍속예측정도우우기타2충산법,차해산법재고풍속단(10m/s이상)평균절대백분비오차저우7.5％,구유교고적공정응용개치.
