气象科技
氣象科技
기상과기
METEOROLOGICAL SCIENCE AND TECHNOLOGY
2013年
4期
784-789
,共6页
于凤鸣%李喜仓%宋进华%高春香%卓义
于鳳鳴%李喜倉%宋進華%高春香%卓義
우봉명%리희창%송진화%고춘향%탁의
WRF模式%BP神经网络%预报模型%风电功率预测
WRF模式%BP神經網絡%預報模型%風電功率預測
WRF모식%BP신경망락%예보모형%풍전공솔예측
numerical model%BP neural network%forecasting model%wind power forecast
将中尺度数值天气预报模式与BP神经网络模型相结合用于风电功率预测,以WRF模式回算了2008年6月至2009年6月试验风电场的气象要素,精度检验结果显示风速预报值与对应实测值之间的相关系数达到0.72,风向、气温、湿度、气压的预报也比较准确,满足建立BP神经网络预报模型的需要.逐一建立试验风电场40台风电机组输出功率的BP神经网络预报模型,分析了数据标准化方法、隐含层神经元数对预报精度的影响.进行了26天实效为24 h的逐10 min预报试验,并以独立样本进行预报精度检验,结果显示单台风电机组输出功率相对均方根误差在24.8％～32.6％之间,预报值与实测值之间的相关系数现在0.45～0.68之间;风电场整体相对均方根误差为19.5％,预报值与实测值之间的相关系数为0.74.研究结果表明该方法可以用于实际的风电功率预测.
將中呎度數值天氣預報模式與BP神經網絡模型相結閤用于風電功率預測,以WRF模式迴算瞭2008年6月至2009年6月試驗風電場的氣象要素,精度檢驗結果顯示風速預報值與對應實測值之間的相關繫數達到0.72,風嚮、氣溫、濕度、氣壓的預報也比較準確,滿足建立BP神經網絡預報模型的需要.逐一建立試驗風電場40檯風電機組輸齣功率的BP神經網絡預報模型,分析瞭數據標準化方法、隱含層神經元數對預報精度的影響.進行瞭26天實效為24 h的逐10 min預報試驗,併以獨立樣本進行預報精度檢驗,結果顯示單檯風電機組輸齣功率相對均方根誤差在24.8％～32.6％之間,預報值與實測值之間的相關繫數現在0.45～0.68之間;風電場整體相對均方根誤差為19.5％,預報值與實測值之間的相關繫數為0.74.研究結果錶明該方法可以用于實際的風電功率預測.
장중척도수치천기예보모식여BP신경망락모형상결합용우풍전공솔예측,이WRF모식회산료2008년6월지2009년6월시험풍전장적기상요소,정도검험결과현시풍속예보치여대응실측치지간적상관계수체도0.72,풍향、기온、습도、기압적예보야비교준학,만족건립BP신경망락예보모형적수요.축일건립시험풍전장40태풍전궤조수출공솔적BP신경망락예보모형,분석료수거표준화방법、은함층신경원수대예보정도적영향.진행료26천실효위24 h적축10 min예보시험,병이독립양본진행예보정도검험,결과현시단태풍전궤조수출공솔상대균방근오차재24.8％～32.6％지간,예보치여실측치지간적상관계수현재0.45～0.68지간;풍전장정체상대균방근오차위19.5％,예보치여실측치지간적상관계수위0.74.연구결과표명해방법가이용우실제적풍전공솔예측.
