电网与清洁能源
電網與清潔能源
전망여청길능원
ADVANCES OF POWER SYSTEM & HYDROELECTRIC ENGINEERING
2014年
1期
109-113
,共5页
风电场出力预测%广义回归神经网络%交叉验证%数值气象预报
風電場齣力預測%廣義迴歸神經網絡%交扠驗證%數值氣象預報
풍전장출력예측%엄의회귀신경망락%교차험증%수치기상예보
wind power forecasting%generalized regression neural network%cross-validation%numerical weather prediction
运用广义回归神经网络对风电场出力提前了24 h预测.对引入数值气象预报信息与不引入数值气象预报信息两种情况的预测结果进行了比较分析.首先,对前15d的风功率数据进行训练,通过交叉验证,建立模型,预测了未来一天的风电场出力.然后加入历史风速数据,对历史风速和风功率进行训练,利用数值气象预报信息,预测未来1d的风功率.通过算例表明,使用广义回归神经网络模型预测未来1d的风电场出力,预测结果能够跟踪实际风功率,同时加入数值气象预报信息的预测结果较不加入数值气象预报信息的神经网络预测,精度有所提高.
運用廣義迴歸神經網絡對風電場齣力提前瞭24 h預測.對引入數值氣象預報信息與不引入數值氣象預報信息兩種情況的預測結果進行瞭比較分析.首先,對前15d的風功率數據進行訓練,通過交扠驗證,建立模型,預測瞭未來一天的風電場齣力.然後加入歷史風速數據,對歷史風速和風功率進行訓練,利用數值氣象預報信息,預測未來1d的風功率.通過算例錶明,使用廣義迴歸神經網絡模型預測未來1d的風電場齣力,預測結果能夠跟蹤實際風功率,同時加入數值氣象預報信息的預測結果較不加入數值氣象預報信息的神經網絡預測,精度有所提高.
운용엄의회귀신경망락대풍전장출력제전료24 h예측.대인입수치기상예보신식여불인입수치기상예보신식량충정황적예측결과진행료비교분석.수선,대전15d적풍공솔수거진행훈련,통과교차험증,건립모형,예측료미래일천적풍전장출력.연후가입역사풍속수거,대역사풍속화풍공솔진행훈련,이용수치기상예보신식,예측미래1d적풍공솔.통과산례표명,사용엄의회귀신경망락모형예측미래1d적풍전장출력,예측결과능구근종실제풍공솔,동시가입수치기상예보신식적예측결과교불가입수치기상예보신식적신경망락예측,정도유소제고.
