考虑爬坡特性的短期风电功率概率预测

发布时间：2018-01-05 20:06

  本文关键词：考虑爬坡特性的短期风电功率概率预测　出处：《电力自动化设备》2016年04期 　论文类型：期刊论文

  更多相关文章： 风电功率 概率预测 风电爬坡事件 小波神经网络 二维核密度估计

【摘要】：短期风电功率概率预测有助于调度部门提前安排发电计划,提高风电的消纳能力。提出一种考虑爬坡特性的风电功率概率预测方法,首先通过分析不同风电爬坡定义的特点,阐述互补组合预测的思路;然后采用小波神经网络建立风电功率确定性预测模型,并在其基础上建立不同功率分区内风电爬坡率和风电功率预测误差的二维核密度估计概率预测模型;最后由二者的联合概率分布求取后者的条件概率分布,得到风电功率概率预测结果。仿真结果表明,所提模型具有很高的短期风电功率概率预测精度。
[Abstract]:Short term wind power prediction probability helps scheduling department to arrange power plan, improve wind power consumptive capacity. This paper presented a climbing characteristics of wind power probability prediction method, firstly based on the analysis of characteristics of different definitions of wind power climbing, this complementary combination forecasting ideas; then using a wavelet neural network of wind power the deterministic prediction model, 2D kernel density and the establishment of different power division of wind power and wind power ramp rate based on the prediction error of the estimated probability prediction model; finally by the joint probability distribution of the two conditional probability distribution for the latter, get the wind power probability prediction results. The simulation results show that the proposed model is a very high probability of short-term wind power prediction accuracy.

【作者单位】： 武汉大学电气工程学院;
【基金】：国家重点基础研究发展计划(973计划)资助项目(2012CB215101)~~
【分类号】：TM614
【正文快照】： 0引言近年来,随着风电并网规模的逐渐增大,风电的随机性和波动性对电网的冲击和威胁日益成为不可忽视的问题[1]。风电功率短期概率预测[2-3]是解决这一问题的方法之一,其不仅能提供预测结果的波动范围,还能估计出每一个取值出现的概率,相比于确定性预测更能提供丰富的不确定信

【相似文献】

中国期刊全文数据库 前10条

1 赵学智,邹春华,陈统坚,叶邦彦,彭永红;小波神经网络的参数初始化研究[J];华南理工大学学报(自然科学版);2003年02期

2 杨春玲,杨茂华,胡艳,戴景民;小波神经网络在多波长辐射测温中的应用[J];计量学报;2003年04期

3 许桢英,费业泰;基于小波神经网络的动态测试误差溯源研究[J];农业机械学报;2003年04期

4 姚洪兴,吴越;多变量经济混沌时序的小波神经网络预测[J];江苏大学学报(自然科学版);2004年04期

5 张登峰,廉士国,王执铨,胡寿松;一种小波神经网络的优化构造及其应用[J];兵工学报;2004年04期

6 曹阳,袁旭峰,高轶群;小波神经网络及其在化工中应用的研究[J];贵州工业大学学报(自然科学版);2004年04期

7 程启明,王勇浩;基于小波神经网络的控制方法及其应用研究[J];工业仪表与自动化装置;2004年05期

8 毕研秋;周文连;张大海;江世芳;;连续小波神经网络收敛性能的探讨[J];电力系统及其自动化学报;2005年06期

9 李志刚;司锡才;陈玉坤;;基于小波神经网络的信号识别[J];弹箭与制导学报;2005年SD期

10 蔡念;杨杰;;基于小波神经网络的图像表述[J];影像技术;2006年01期

中国重要会议论文全文数据库 前10条

1 胡博;陶文华;崔博;白一彤;尹旭;;基于小波神经网络的异步电机故障诊断[A];2009中国控制与决策会议论文集（2）[C];2009年

2 何正友;钱清泉;;一种改进小波神经网络模型在电力故障信号识别中的应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

3 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];节能减排 绿色制造 智能制造——低碳经济下高技术制造产业与智能制造发展论坛论文集[C];2010年

4 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年

5 谢建宏;张为公;;复合材料疲劳剩余寿命预测的动态小波神经网络方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 陈建秋;张新政;;基于小波神经网络的水质预测应用研究[A];2006中国控制与决策学术年会论文集[C];2006年

7 孙正贵;;小波神经网络的高效学习算法及应用研究[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

8 黄敏;朱启兵;崔宝同;;基于小波神经网络的轧机特性回归[A];2007中国控制与决策学术年会论文集[C];2007年

9 周绍磊;张文广;李新;;一种基于改进遗传算法的小波神经网络[A];2007年中国智能自动化会议论文集[C];2007年

10 杜青;刘剑飞;刘娟;乔延华;;基于小波神经网络的模拟调制信号自动识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（下册）[C];2007年

中国博士学位论文全文数据库 前10条

1 侯霞;小波神经网络若干关键问题研究[D];南京航空航天大学;2006年

2 高协平;小波参数化与小波神经网络研究[D];湖南大学;2003年

3 章文俊;小波神经网络算法及其船舶运动控制应用研究[D];大连海事大学;2014年

4 李永红;广义小波神经网络实现雷达相关滤波的研究[D];大连海事大学;2000年

5 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年

6 银俊成;量子信道与量子小波神经网络相关问题研究[D];陕西师范大学;2013年

7 李文军;多小波和小波神经网络构造及其在电弧故障诊断中的应用研究[D];吉林大学;2008年

8 刘守生;遗传算法与小波神经网络中若干问题的研究[D];南京航空航天大学;2005年

9 黄同成;基于小波神经网络理论的VOCR与HOCR技术研究[D];上海大学;2008年

10 蔡振禹;基于粗集—小波神经网络的煤炭企业管理研究[D];天津大学;2007年

，

本文编号：1384620