基于改进的小波-BP神经网络的风速和风电功率预测-论文.pdf

《基于改进的小波-BP神经网络的风速和风电功率预测-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第42卷第15期电力系统保护与控制V_01．42NO．152014年8月1日PowerSystemProtectionandControlAug．1，2014基于改进的小波-BP神经网络的风速和风电功率预测肖迁，李文华，李志刚，刘金龙，刘会巧(电磁场与电器可靠性省部共建重点实验室(河北工业大学)，天津300130)摘要：为了提高超短期风电功率预测精度，使用改进的小波-BP神经网络方法进行研究。针对预测模型普遍存在的延时问题，先通过离散小波变换将信号分解为高低频段的信号，再用遗传算法优化的BP神经网络分别进行

2、建模，最后求和各层预测信号。由于功率和风速具有混沌特性，用C-C法联合优化重构相空间的参数，以嵌入维数为神经网络输入层节点数。应用于山东某风电场，仿真结果表明，与BP神经网络模型相比，该算法预测风速和功率精度较高，但风速预测值经过实际功率曲线转换后，功率预测精度变差。关键词：小波分析；相空阃重构；C-C法；遗传算法；神经网络；功率曲线转换法Windspeedandpowerpredictionbasedonimprovedwavelet-BPneuralnetworkXIAOQian，LIWen—hua，L

3、IZhi—gang，LIUJin—long，LIUHui—qiao(Province-MinistryJointKeyLaboratoryofElectromagneticFieldandElectricalApparatusReliability(HebeiUniversityofTechnology)，Tianjin300130，China)Abstract：Inordertoimprovetheforecastingaccuracyofultra-short--termwindpower,theimp

4、rovedwavelet—-BPneuralnetworkmethodisapplied．Tosolvethewidespreaddelayproblemsofthepredictionmodel，theoriginalsignalisdecomposedintohighandlowfrequencysignalbythediscretewavelettransform．MoreoveLgeneticalgorithmisusedtooptimizetheBPneuralnetworkmodelsepara

5、tely．Finally,thesummationofallthepredictionresultsisgoRen．Asthewindspeedandpowerserieshavechaoscharacteristics，theC—Cmethodisusedtooptimizeparametersofphasespacereconstructionandtheembeddeddimensionistakenastheinputlayer’Snodenumberofneuralnetwork．Itisappl

6、iedinawindfarm，inShandongProvince，andthesimulmionresultsshowthatithashigherpredictionaccuracythanBPneuralnetworkmodelinforecastingwindspeedandpower．Withtheconversionofwindspeedpredictionresultsbythemeasuredpowercurve，thepowerpredictionaccuracygoesbad．Thisw

7、orkissupposedbyNmionalNaturalScienceFound~ionofChina(No．51377044)．Keywords：waveletanalysis；phase—spacereconstruction；C—Cmethod；geneticalgorithm；neuralnetwork；powercurveconversionmethod中图分类号：TM614文献标识码：A文章编号：1674—3415(2014)15—0080—07风电场风电功率预测可以分为两类，一是直接0引言预

8、测法，二是功率曲线转换法，即先经过预测风速，由于风的波动性和间歇性，大容量风电场的并然后转换得到功率预测值L4J。近年来，许多学者对网会对电网运行产生较大的冲击甚至危险。国标《风风电功率预测进行了研究，并取得了一系列的成果。电场接入电力系统技术规定》明确要求风电场应配文献[5]用混沌DNA遗传算法确定脊波神经网络的置风电功率预测系统，滚动上报超短期15min~4h隐层结构，然后用粒子群算法优化，得到分辨率为风电功