西安交通大学学报
西安交通大學學報
서안교통대학학보
JOURNAL OF XI'AN JIAOTONG UNIVERSITY
2011年
5期
47-51
,共5页
赵攀%戴义平%夏俊荣%盛迎新
趙攀%戴義平%夏俊榮%盛迎新
조반%대의평%하준영%성영신
卡尔曼滤波%神经网络%功率预测%风力发电
卡爾曼濾波%神經網絡%功率預測%風力髮電
잡이만려파%신경망락%공솔예측%풍력발전
针对数值天气预报模型输出的气象参数存在系统误差而导致风电场功率预测精度受到制约的问题,提出了一种基于卡尔曼滤波修正的风电场短期功率预测模型.使用卡尔曼滤波算法对数值天气预报输出的风速数据进行动态修正,并结合其他气象数据形成新的用于风电功率预测的修正气象数据集合;根据原始气象数据和修正气象数据这2个训练集分别建立了风电场功率输出的原始神经网络、修正神经网络的预测模型.经同一时间区间内的实测数据与模型分析数据的对比分析表明:通过卡尔曼滤波修正的风速数据能够很好地跟踪实际风速数据的变化趋势,平均误差与绝对平均误差比较小;所提模型能够显著降低预测结果的均方根误差,使其从未修正前的17.73%降低至11.32%,证明预测精度得到了明显提高.
針對數值天氣預報模型輸齣的氣象參數存在繫統誤差而導緻風電場功率預測精度受到製約的問題,提齣瞭一種基于卡爾曼濾波脩正的風電場短期功率預測模型.使用卡爾曼濾波算法對數值天氣預報輸齣的風速數據進行動態脩正,併結閤其他氣象數據形成新的用于風電功率預測的脩正氣象數據集閤;根據原始氣象數據和脩正氣象數據這2箇訓練集分彆建立瞭風電場功率輸齣的原始神經網絡、脩正神經網絡的預測模型.經同一時間區間內的實測數據與模型分析數據的對比分析錶明:通過卡爾曼濾波脩正的風速數據能夠很好地跟蹤實際風速數據的變化趨勢,平均誤差與絕對平均誤差比較小;所提模型能夠顯著降低預測結果的均方根誤差,使其從未脩正前的17.73%降低至11.32%,證明預測精度得到瞭明顯提高.
침대수치천기예보모형수출적기상삼수존재계통오차이도치풍전장공솔예측정도수도제약적문제,제출료일충기우잡이만려파수정적풍전장단기공솔예측모형.사용잡이만려파산법대수치천기예보수출적풍속수거진행동태수정,병결합기타기상수거형성신적용우풍전공솔예측적수정기상수거집합;근거원시기상수거화수정기상수거저2개훈련집분별건립료풍전장공솔수출적원시신경망락、수정신경망락적예측모형.경동일시간구간내적실측수거여모형분석수거적대비분석표명:통과잡이만려파수정적풍속수거능구흔호지근종실제풍속수거적변화추세,평균오차여절대평균오차비교소;소제모형능구현저강저예측결과적균방근오차,사기종미수정전적17.73%강저지11.32%,증명예측정도득도료명현제고.