陕西电力
陝西電力
협서전력
SHAANXI ELECTRIC POWER
2014年
4期
19-23
,共5页
风力发电%风电功率预测%多维时间序列%BP神经网络
風力髮電%風電功率預測%多維時間序列%BP神經網絡
풍력발전%풍전공솔예측%다유시간서렬%BP신경망락
wind power generation%wind power prediction%multidimensional time series%BP neural network
由于风电的高度波动性和随机性,大规模的风电功率预测已成为制约中国风电发展的瓶颈.提出一种针对小采样间隔的风电功率数据的多维时间序列BP神经网络预测模型.通过对原始风电功率序列进行处理得到不同时间维度的风电功率均值序列进而组成多维时间序列,采用改进的嵌入维最小预测误差法求取多维时间序列相空间重构时间延迟和嵌入维,利用重构相空间中预测点的近邻点建立BP神经网络预测模型.以实际风电场数据进行验证,证明了该模型可以有效处理风电功率预测问题,算法耗时减少了约9s,同时显著提高预测精度约18.94％.
由于風電的高度波動性和隨機性,大規模的風電功率預測已成為製約中國風電髮展的瓶頸.提齣一種針對小採樣間隔的風電功率數據的多維時間序列BP神經網絡預測模型.通過對原始風電功率序列進行處理得到不同時間維度的風電功率均值序列進而組成多維時間序列,採用改進的嵌入維最小預測誤差法求取多維時間序列相空間重構時間延遲和嵌入維,利用重構相空間中預測點的近鄰點建立BP神經網絡預測模型.以實際風電場數據進行驗證,證明瞭該模型可以有效處理風電功率預測問題,算法耗時減少瞭約9s,同時顯著提高預測精度約18.94％.
유우풍전적고도파동성화수궤성,대규모적풍전공솔예측이성위제약중국풍전발전적병경.제출일충침대소채양간격적풍전공솔수거적다유시간서렬BP신경망락예측모형.통과대원시풍전공솔서렬진행처리득도불동시간유도적풍전공솔균치서렬진이조성다유시간서렬,채용개진적감입유최소예측오차법구취다유시간서렬상공간중구시간연지화감입유,이용중구상공간중예측점적근린점건립BP신경망락예측모형.이실제풍전장수거진행험증,증명료해모형가이유효처리풍전공솔예측문제,산법모시감소료약9s,동시현저제고예측정도약18.94％.
