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
2014年
6期
20-24,36
,共6页
陈伟%赵庆堂%郭建鹏%王维州%肖骏
陳偉%趙慶堂%郭建鵬%王維州%肖駿
진위%조경당%곽건붕%왕유주%초준
风力发电%相空间重构%RBF神经网络%最小二乘支持向量机%组合预测
風力髮電%相空間重構%RBF神經網絡%最小二乘支持嚮量機%組閤預測
풍력발전%상공간중구%RBF신경망락%최소이승지지향량궤%조합예측
wind power generation%phase space reconstruction%RBF neural network%least square support vector machine%combination prediction
风力发电具有波动性、随机性和间歇性,因此准确预测风电场的日有功功率对风电场与电力系统的稳定运行具有重要的意义.利用C-C法对风电场的日有功功率时间序列进行相空间重构,并通过计算其最大Lyapunov指数,验证了此功率时间序列具有混沌属性.在此基础上,用相空间重构建立了RBF神经网络和最小二乘支持向量机预测模型,对预测结果采用协方差优选确定权重,进行组合预测.通过对甘肃省酒泉地区某风电场的实测数据进行仿真,证明了该组合模型的有效性和可行性,并有效提高了预测精度.
風力髮電具有波動性、隨機性和間歇性,因此準確預測風電場的日有功功率對風電場與電力繫統的穩定運行具有重要的意義.利用C-C法對風電場的日有功功率時間序列進行相空間重構,併通過計算其最大Lyapunov指數,驗證瞭此功率時間序列具有混沌屬性.在此基礎上,用相空間重構建立瞭RBF神經網絡和最小二乘支持嚮量機預測模型,對預測結果採用協方差優選確定權重,進行組閤預測.通過對甘肅省酒泉地區某風電場的實測數據進行倣真,證明瞭該組閤模型的有效性和可行性,併有效提高瞭預測精度.
풍력발전구유파동성、수궤성화간헐성,인차준학예측풍전장적일유공공솔대풍전장여전력계통적은정운행구유중요적의의.이용C-C법대풍전장적일유공공솔시간서렬진행상공간중구,병통과계산기최대Lyapunov지수,험증료차공솔시간서렬구유혼돈속성.재차기출상,용상공간중구건립료RBF신경망락화최소이승지지향량궤예측모형,대예측결과채용협방차우선학정권중,진행조합예측.통과대감숙성주천지구모풍전장적실측수거진행방진,증명료해조합모형적유효성화가행성,병유효제고료예측정도.
