基于神经网络的风功率预测问题研究

《基于神经网络的风功率预测问题研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第36卷第1期四川1电力技术Vo1．36，No．12013年2月SichuanElectricPowerTechnologyFeb．，2013基于神经网络的风功率预测问题研究张涛，张新燕，王维庆(新疆大学电气工程学院，新疆乌鲁木齐830047)摘要：为了更准确地预报风力发电机出力，给出了一种基于神经网络的风功率预测方法。介绍了风功率预测的现状和相关标准，基于一般预测方法准确率、合格率低等因素的考虑，尝试采用BP神经网络对其进行优化。计算数据和仿真结果表明优化后的预测数据准确率、合格率更高，对风电场出力预测有一定的帮助。关键

2、词：风力发电；功率预测；神经网络；优化；Maflab；仿真Abstract：Inordertoforecasttheoutputpowerofwindturbinesmoreaccurately，awindpowerforecastingmethodbasedontheneuralnetworkispresented．Thepresentsituationofwindpowerforecastingandtherelevantstandardsareintroduced．Basedontheconsiderationfor

3、thelowaccuracyandqualificationrateofthegeneralforecastingmethods，theBPneuralnetworkisa—doptedtooptimizeit．Thecalculationdataandsimulationresultsshowthatthepredictiondataaftertheoptimizationaremoreaccurateandqualified，anditishelpfulfortheoutputpredictionofwindpower

4、．Keywords：windpowergeneration；powerforecasting；neuralnetwork；optimization；Matlab；simulation中图分类号：TM714文献标志码：A文章编号：1003—6954(2013)Ol一0016—03改进方向。还有很多文章也都从各个角度对风功率0引言预测进行了研究，都有各自见解。全球性的能源危机和气候变暖，驱动了新能源1风功率预测在世界范围内的迅速发展。风能作为一种可再生、洁净的能源，已得到世界各国的高度重视。风力发1．1风功率预测概念电以其储藏

5、量巨大、转换形式简单、可大规模开采以风功率预测是指风电场风力发电机发电功率预及零污染等特点成为未来经济、科技发展中最有代测，其原理是根据风电场气象信息有关数据，利用物表性和最有潜力的新能源之一。2003年，中国风力理模型计算和科学统计方法，对风电场的风力风速发电累计总装机容量为567MW，而到了2008年已进行短期预报，并预测出风电场的功率，从而也可实达到了12210MW。但是风力发电也有其缺点，其现电力调度部门对风电调度的要求。1．2风功率预测相关要求中波动性和间歇性最明显。随着风电在电网中所占国家颁布的《风电场功率预报

6、管理暂行办法的比例增大，大电网的不确定性增大，电力调度的难度通知》给出了一系列预测预报要求：风电场功率预也随之增大。为此，对风功率的预测就显得尤为重测系统提供的日预测曲线最大误差不超过25％；实要。目前相关的研究很多，文献[1]介绍了一种运时预测误差不超过15％。全天预测结果的均方差用神经网络对风电功率进行短期预测的方法，证明跟误差应小于20％。了神经网络对研究风功率预测的有效性；文献[2]风电场发电预测预报考核指标为风电场发电预从物理和统计方法，给出了SVM(支持向量机)预测测预报准确率、合格率和上报率。方法，其对风功率

7、预测有很大应用空间；文献[3]分准确率为别将EMD和EEMD方法与时间序列的方法相结合PMk-Pro应用于风功率预测中，实验证明该方法的正确性；文r1=(1一Ⅳ1L．),×100％、c印献[4]归纳了目前风功率预测的方法模型，提出了其中，r为预测计划曲线准确率；P为k时段的实基金项目：新疆大学博士基金项目(BS100122)；国家自然基金项目际平均功率；P为k时段的预测平均功率；N为日(50867004)；国家“十一五”863项目(2009AA05Z445)·16·第36卷第1期四川电力技术Vo1．36。No．12013年

8、2月SichuanElectricPowerTechnologyFeb．，2013表1优化数据对比--差，．．_；．g'-I-．lr叁■置謇矗暑嚣t善耋量^f喜o图4训练状态曲线由图3和图4可以看出，通过6步训练，训练误差已达到预设误差限；Gradient(逼近梯度)和参数mu曲线的整体趋势是下降的，神