电子测试
電子測試
전자측시
ELECTRONIC TEST
2015年
3期
51-53
,共3页
张俊%王远昊%李颖毅%郭锋
張俊%王遠昊%李穎毅%郭鋒
장준%왕원호%리영의%곽봉
风电预测%缺失数据%神经网络%复合预测模型
風電預測%缺失數據%神經網絡%複閤預測模型
풍전예측%결실수거%신경망락%복합예측모형
wind power prediction%missing data%neural network%combined forecasting model
本文以东南沿海地区某风力发电场数据为背景,在分析原始数据特点后,确定了相应的缺失数据的填补方法以及数据的预分解方法。之后针对数据预处理结果建立了基于时间序列和优化的BP神经网络复合预测模型,并给出风电功率预测结果。最后比较了复合模型与其它模型预测的均方误差以说明复合预测模型在提高预测精度方面的优势。
本文以東南沿海地區某風力髮電場數據為揹景,在分析原始數據特點後,確定瞭相應的缺失數據的填補方法以及數據的預分解方法。之後針對數據預處理結果建立瞭基于時間序列和優化的BP神經網絡複閤預測模型,併給齣風電功率預測結果。最後比較瞭複閤模型與其它模型預測的均方誤差以說明複閤預測模型在提高預測精度方麵的優勢。
본문이동남연해지구모풍력발전장수거위배경,재분석원시수거특점후,학정료상응적결실수거적전보방법이급수거적예분해방법。지후침대수거예처리결과건립료기우시간서렬화우화적BP신경망락복합예측모형,병급출풍전공솔예측결과。최후비교료복합모형여기타모형예측적균방오차이설명복합예측모형재제고예측정도방면적우세。
In this paper,a wind power generation field data in southeast coastal area as the background, in the analysis of the original data characteristics,determine the missing data filling method and corresponding data pre decomposition method.After data preprocessing results according to the established BP neural network composite time series prediction model and Optimization Based on wind power,and gives the result.Mean square error and finally compared the prediction of composite model and other models to illustrate the advantage of combined forecasting model in improving the accuracy of prediction.