發(fā)布時間：2018-11-01 13:46

【摘要】：為了提高風(fēng)電功率的預(yù)測精度,在單一預(yù)測模型的基礎(chǔ)上,建立了時間序列模型和RBF神經(jīng)網(wǎng)絡(luò)模型的線性組合模型。該模型采用使預(yù)測誤差平方和達到最小的原理得到單一模型的權(quán)重,進而得出風(fēng)速的預(yù)測結(jié)果,然后基于風(fēng)電功率曲線得出風(fēng)電功率的預(yù)測結(jié)果。最后以某風(fēng)電場實測風(fēng)速數(shù)據(jù)為例,運用單一模型和組合模型分別對風(fēng)速進行預(yù)測,結(jié)果表明,組合模型的預(yù)測精度高于單一模型,模型具有一定的實用價值。
[Abstract]:In order to improve the prediction accuracy of wind power, a linear combination model of time series model and RBF neural network model is established on the basis of a single prediction model. The weight of the single model is obtained by using the principle of minimizing the sum of square of prediction error, and then the prediction result of wind speed is obtained, and then the prediction result of wind power is obtained based on the wind power curve. Finally, taking the wind speed data of a wind farm as an example, the single model and the combined model are used to predict the wind speed respectively. The results show that the prediction accuracy of the combined model is higher than that of the single model, and the model has certain practical value.
【作者單位】： 河北工業(yè)大學(xué)電氣工程學(xué)院;華儀電氣股份有限公司;
【基金】：國家自然科學(xué)基金(51475136) 河北省科技支撐計劃(13214604D) 河北省建設(shè)科技研究計劃(2011-147) 河北省高等學(xué)校創(chuàng)新團隊領(lǐng)軍人才培育計劃(LJRC003)資助項目
【分類號】：TM614

【相似文獻】

相關(guān)期刊論文 前10條

1 徐靜;張碩;;太陽能帆板輸出功率短期預(yù)測研究[J];計算機與數(shù)字工程;2012年08期

2 云天銓;常規(guī)情形的股價短期預(yù)測[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);1997年05期

3 范先友;李朝陽;楊傳華;曹曉勤;;基于多元線性回歸分析的水位短期預(yù)測方法[J];水運工程;2014年01期

4 李智;韓學(xué)山;韓力;康凱;;地區(qū)電網(wǎng)風(fēng)電場功率超短期預(yù)測方法[J];電力系統(tǒng)自動化;2010年07期

5 李松仕;吳燕;;ARMAX模型及其在徑流短期預(yù)測中的應(yīng)用[J];水利科技;1989年04期

6 鄭新;;基于機制建設(shè)的市級電力市場短期預(yù)測[J];大眾用電;2007年10期

7 張晉華;程鵬;劉永前;陳構(gòu)洪;;基于相空間重構(gòu)的風(fēng)速和風(fēng)功率超短期預(yù)測[J];人民黃河;2012年07期

8 郝建忠;楊鎖昌;;導(dǎo)彈儲運狀態(tài)新指標(biāo)及其短期預(yù)測ARMA模型[J];電子產(chǎn)品世界;2013年04期

9 趙賞鑫,張來斌,王朝暉;設(shè)備旋轉(zhuǎn)部件故障的短期預(yù)測研究[J];機械強度;2005年05期

10 周廣惠;;基于支持向量機的企業(yè)用電量的短期預(yù)測[J];電腦開發(fā)與應(yīng)用;2009年11期

相關(guān)會議論文 前3條

1 林健;朱幫助;;基于LS-SVM的區(qū)域經(jīng)濟短期預(yù)測[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

2 李炎;高山;;風(fēng)電功率短期預(yù)測技術(shù)綜述[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（下冊）[C];2008年

3 楊為;李賓賓;;基于馬爾可夫鏈的風(fēng)電場功率預(yù)測方法[A];第二十屆華東六省一市電機工程（電力）學(xué)會輸配電技術(shù)討論會論文集[C];2012年

相關(guān)重要報紙文章 前7條

1 ;2017年全球鋼消費再增長71%[N];世界金屬導(dǎo)報;2008年

2 江偉;強地震短期預(yù)測及救災(zāi)技術(shù)有重要進展[N];科技日報;2004年

3 記者　韓曉霞;美國能源部發(fā)布能源短期預(yù)測[N];中國石油報;2006年

4 記者 王曄君;京企信心指數(shù)跌至三年低點[N];北京商報;2012年

5 張均;2017年全球鋼消費將再增長71%[N];中國貿(mào)易報;2008年

6 本報記者 徐翼;發(fā)展中國家飽受減速摧殘[N];中華工商時報;2001年

7 中國電科院新能源研究所副所長 劉純　電力規(guī)劃設(shè)計總院規(guī)劃研究中心副處長 韓小琪 南方電網(wǎng)科學(xué)研究院副研究員 雷金勇;風(fēng)電功率預(yù)測將有效提高風(fēng)電利用率[N];中國電力報;2012年

相關(guān)博士學(xué)位論文 前3條

1 楊志凌;風(fēng)電場功率短期預(yù)測方法優(yōu)化的研究[D];華北電力大學(xué)（北京）;2011年

2 王揚;風(fēng)電短期預(yù)測及其并網(wǎng)調(diào)度方法研究[D];浙江大學(xué);2011年

3 韓爽;風(fēng)電場功率短期預(yù)測方法研究[D];華北電力大學(xué)（北京）;2008年

相關(guān)碩士學(xué)位論文 前7條

1 李翠;基于三維實時數(shù)據(jù)的風(fēng)速短期預(yù)測研究[D];哈爾濱理工大學(xué);2012年

2 王芳;鐵路客運量短期預(yù)測方法的研究[D];北京交通大學(xué);2007年

3 張博;混沌支持向量機風(fēng)速短期預(yù)測及其在pcDuino平臺實現(xiàn)[D];中北大學(xué);2014年

4 周玉佳;城市能耗的短期預(yù)測組合模型研究[D];華南理工大學(xué);2010年

5 邵t，

本文編號：2304098