电源技术
電源技術
전원기술
Chinese Journal of Power Sources
2015年
10期
2259-2262
,共4页
王凌云%夏展鹏%许弘雷%周璇卿
王凌雲%夏展鵬%許弘雷%週璇卿
왕릉운%하전붕%허홍뢰%주선경
风速预测%功率预测%自回归时间序列%广义回归神经网络%融合预测模型
風速預測%功率預測%自迴歸時間序列%廣義迴歸神經網絡%融閤預測模型
풍속예측%공솔예측%자회귀시간서렬%엄의회귀신경망락%융합예측모형
wind speed prediction%power prediction%autoregressive time series%generalized regression neural network%fusion prediction model
风电场功率短期预测对并网风力发电系统的运行有着重要意义,在考虑风速、温度、海拔等影响风电功率的主要因素的基础上,为提高风电场短期输出功率的预测精度,提出基于风速与风电功率的融合预测模型.首先针对风电功率的直接预测,采用自回归时间序列和广义回归神经网络的组合模型来预测;然后再利用该组合模型预测风速,根据风速与风电功率的关系间接求出预测的风电功率;最后将前两种组合预测模型进行再次组合,得到融合预测模型.以吉林洮北风电场的短期功率预测为例,运用Matlab软件编程实现本文所提出的算法,验证模型的准确性与可行性,得到融合预测模型的预测相对误差为7.156％,可有效提高大型风电场输出功率的预测精度.
風電場功率短期預測對併網風力髮電繫統的運行有著重要意義,在攷慮風速、溫度、海拔等影響風電功率的主要因素的基礎上,為提高風電場短期輸齣功率的預測精度,提齣基于風速與風電功率的融閤預測模型.首先針對風電功率的直接預測,採用自迴歸時間序列和廣義迴歸神經網絡的組閤模型來預測;然後再利用該組閤模型預測風速,根據風速與風電功率的關繫間接求齣預測的風電功率;最後將前兩種組閤預測模型進行再次組閤,得到融閤預測模型.以吉林洮北風電場的短期功率預測為例,運用Matlab軟件編程實現本文所提齣的算法,驗證模型的準確性與可行性,得到融閤預測模型的預測相對誤差為7.156％,可有效提高大型風電場輸齣功率的預測精度.
풍전장공솔단기예측대병망풍력발전계통적운행유착중요의의,재고필풍속、온도、해발등영향풍전공솔적주요인소적기출상,위제고풍전장단기수출공솔적예측정도,제출기우풍속여풍전공솔적융합예측모형.수선침대풍전공솔적직접예측,채용자회귀시간서렬화엄의회귀신경망락적조합모형래예측;연후재이용해조합모형예측풍속,근거풍속여풍전공솔적관계간접구출예측적풍전공솔;최후장전량충조합예측모형진행재차조합,득도융합예측모형.이길림조북풍전장적단기공솔예측위례,운용Matlab연건편정실현본문소제출적산법,험증모형적준학성여가행성,득도융합예측모형적예측상대오차위7.156％,가유효제고대형풍전장수출공솔적예측정도.
