电力系统保护与控制
電力繫統保護與控製
전력계통보호여공제
POWER SYSTM PROTECTION AND CONTROL
2013年
12期
65-70
,共6页
风电功率预测%误差分布%带位置和尺度参数的 t 分布%差分自回归移动平均模型%BP 神经网络
風電功率預測%誤差分佈%帶位置和呎度參數的 t 分佈%差分自迴歸移動平均模型%BP 神經網絡
풍전공솔예측%오차분포%대위치화척도삼수적 t 분포%차분자회귀이동평균모형%BP 신경망락
wind power prediction%error distribution%t location-scale distribution%ARIMA%BP neural network
短期风电功率预测一直是风电领域的研究热点，提出采用带位置和尺度参数的 t 分布描述风电功率预测的误差分布。分别采用差分自回归移动平均模型和 BP 神经网络，根据风电场实测数据进行功率预测，对两种预测模型产生的误差进行分析，验证了带位置和尺度参数的 t 分布可以有效描述预测误差分布。短期风电功率预测研究发现，带位置和尺度参数的 t 分布对误差的拟合优度高于正态分布，其各项参数可作为评价预测算法准确度的指标，通过分析分布参数可以直观了解预测算法的性能。
短期風電功率預測一直是風電領域的研究熱點，提齣採用帶位置和呎度參數的 t 分佈描述風電功率預測的誤差分佈。分彆採用差分自迴歸移動平均模型和 BP 神經網絡，根據風電場實測數據進行功率預測，對兩種預測模型產生的誤差進行分析，驗證瞭帶位置和呎度參數的 t 分佈可以有效描述預測誤差分佈。短期風電功率預測研究髮現，帶位置和呎度參數的 t 分佈對誤差的擬閤優度高于正態分佈，其各項參數可作為評價預測算法準確度的指標，通過分析分佈參數可以直觀瞭解預測算法的性能。
단기풍전공솔예측일직시풍전영역적연구열점，제출채용대위치화척도삼수적 t 분포묘술풍전공솔예측적오차분포。분별채용차분자회귀이동평균모형화 BP 신경망락，근거풍전장실측수거진행공솔예측，대량충예측모형산생적오차진행분석，험증료대위치화척도삼수적 t 분포가이유효묘술예측오차분포。단기풍전공솔예측연구발현，대위치화척도삼수적 t 분포대오차적의합우도고우정태분포，기각항삼수가작위평개예측산법준학도적지표，통과분석분포삼수가이직관료해예측산법적성능。
Short-term wind power prediction is a popular issue in the research field. This paper proposes t location-scale distribution to describe the errors distribution of wind power prediction. Based on the measured data in wind power plants, autoregressive integrated moving average model and back propagation neural network are adopted to analyze the errors of two forecast models respectively, proving that the t location-scale distribution can describe effectively the frequency distribution of forecast errors, and the specific research data show that the goodness of fit of t location-scale distribution is better than that of normal distribution. Parameters of t location-scale distribution, as the indicators for judging the accuracy degree of the prediction algorithm, make it available to analyze its performance directly.
