电力系统及其自动化学报
電力繫統及其自動化學報
전력계통급기자동화학보
PROCEEDINGS OF THE CHINESE SOCIETY OF UNIVERSITIES
2013年
1期
136-141
,共6页
风力发电%短期风速预测%混沌特性%相空间重构%极端学习机
風力髮電%短期風速預測%混沌特性%相空間重構%極耑學習機
풍력발전%단기풍속예측%혼돈특성%상공간중구%겁단학습궤
对风速进行快速、准确的预测,可以有效地减小或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力.根据风速具有混沌特性,提出一种相空间重构的极端学习机(extreme learningmachine,ELM)的短期风速预测模型,通过确定延迟时间和嵌入维数,对样本空间进行重构,使新的样本更能反映风速变化特性,在此基础上运用ELM进行短期风速预测.与传统的预测模型相比,该方法具有学习速度快、泛化性能好等优点,为风速预测提供了新方法.
對風速進行快速、準確的預測,可以有效地減小或避免風電場對電力繫統的不利影響,同時提高風電場在電力市場中的競爭能力.根據風速具有混沌特性,提齣一種相空間重構的極耑學習機(extreme learningmachine,ELM)的短期風速預測模型,通過確定延遲時間和嵌入維數,對樣本空間進行重構,使新的樣本更能反映風速變化特性,在此基礎上運用ELM進行短期風速預測.與傳統的預測模型相比,該方法具有學習速度快、汎化性能好等優點,為風速預測提供瞭新方法.
대풍속진행쾌속、준학적예측,가이유효지감소혹피면풍전장대전력계통적불리영향,동시제고풍전장재전력시장중적경쟁능력.근거풍속구유혼돈특성,제출일충상공간중구적겁단학습궤(extreme learningmachine,ELM)적단기풍속예측모형,통과학정연지시간화감입유수,대양본공간진행중구,사신적양본경능반영풍속변화특성,재차기출상운용ELM진행단기풍속예측.여전통적예측모형상비,해방법구유학습속도쾌、범화성능호등우점,위풍속예측제공료신방법.
