电力自动化设备
電力自動化設備
전력자동화설비
ELECTRIC POWER AUTOMATION EQUIPMENT
2014年
1期
120-127
,共8页
崔明建%孙元章%柯德平%王树鹏
崔明建%孫元章%柯德平%王樹鵬
최명건%손원장%가덕평%왕수붕
风电%预测%原子稀疏分解%人工神经网络%模型
風電%預測%原子稀疏分解%人工神經網絡%模型
풍전%예측%원자희소분해%인공신경망락%모형
wind power%forecasting%atomic sparse decomposition%ANN%models
采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解(ASD)法,作为人工神经网络(ANN)的前置分解方法,将风电功率序列分解为原子分量和残差分量,对原子分量进行自预测,残差分量进行ANN预测,再通过追加最新的风电功率实时数据来更新ASD的结果,进而滑动预测下一个时刻的风电功率.以实际风电场数据进行验证,结果证明了该模型可以有效地处理风电功率非平稳性,产生更为稀疏的分解效果,显著地降低了绝对平均误差、均方根误差计算值的统计区间.
採用一種具有很彊的非平穩信號跟蹤、預測能力的原子稀疏分解(ASD)法,作為人工神經網絡(ANN)的前置分解方法,將風電功率序列分解為原子分量和殘差分量,對原子分量進行自預測,殘差分量進行ANN預測,再通過追加最新的風電功率實時數據來更新ASD的結果,進而滑動預測下一箇時刻的風電功率.以實際風電場數據進行驗證,結果證明瞭該模型可以有效地處理風電功率非平穩性,產生更為稀疏的分解效果,顯著地降低瞭絕對平均誤差、均方根誤差計算值的統計區間.
채용일충구유흔강적비평은신호근종、예측능력적원자희소분해(ASD)법,작위인공신경망락(ANN)적전치분해방법,장풍전공솔서렬분해위원자분량화잔차분량,대원자분량진행자예측,잔차분량진행ANN예측,재통과추가최신적풍전공솔실시수거래경신ASD적결과,진이활동예측하일개시각적풍전공솔.이실제풍전장수거진행험증,결과증명료해모형가이유효지처리풍전공솔비평은성,산생경위희소적분해효과,현저지강저료절대평균오차、균방근오차계산치적통계구간.
