基于原子稀疏分解和BP神经网络的风电功率爬坡事件预测

发布时间：2018-06-15 06:34

本文选题：风力发电 + 爬坡事件　；参考：《电力系统自动化》2014年12期

【摘要】：超短期风电功率爬坡事件越来越影响风电机组在电网中的运行。当前国内对爬坡事件的定义并不明确,缺少相应的预测方法。阐述了风电功率爬坡事件的物理含义,提出了一种基于原子稀疏分解和反向传播神经网络(BPNN)的组合预测方法,分别建立了原子分量自预测模型、残差分量预测模型和组合预测模型。以实际风电场数据进行验证,对不同预测方法和不同时间空间实测数据进行了较全面的分析,结果表明该方法可以提高预测精度,并能降低绝对平均误差和均方根误差计算值的统计区间。
[Abstract]:Ultra-short-term wind power climbing event is increasingly affecting the operation of wind turbines in the power grid. At present, the definition of climbing event in China is not clear, and the corresponding prediction method is lacking. The physical meaning of wind power climbing event is expounded. A combined prediction method based on atomic sparse decomposition and backpropagation neural network (BPNN) is proposed, and the atomic component self-prediction model is established respectively. Residual component prediction model and combined prediction model. Based on the actual wind farm data, the different prediction methods and the measured data in different time and space are analyzed comprehensively. The results show that the method can improve the prediction accuracy. The statistical interval of the calculated values of absolute mean error and root mean square error can be reduced.
【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) 国家自然科学基金重大项目(51190105) 国家高技术研究发展计划(863计划)资助项目(2012AA050218)~~
【分类号】：TM614

【参考文献】

相关期刊论文前10条

1 孙元章;林今;李国杰;黎雄;;采用变速恒频机组的风电场并网问题研究综述(英文)[J];电力系统自动化;2010年03期

2 王彩霞;鲁宗相;乔颖;闵勇;周双喜;;基于非参数回归模型的短期风电功率预测[J];电力系统自动化;2010年16期

3 陈颖;周海;王文鹏;曹潇;丁杰;;风电场输出功率超短期预测结果分析与改进[J];电力系统自动化;2011年15期

4 师洪涛;杨静玲;丁茂生;王金梅;;基于小波—BP神经网络的短期风电功率预测方法[J];电力系统自动化;2011年16期

5 王树朋;王文祥;李宏伟;;基于双字典集的信号稀疏分解算法[J];计算机应用;2012年09期

6 朱明;金炜东;胡来招;;基于原子分解的辐射源信号二次特征提取[J];西南交通大学学报;2007年06期

7 王丽婕;冬雷;廖晓钟;高阳;;基于小波分析的风电场短期发电功率预测[J];中国电机工程学报;2009年28期

8 叶林;刘鹏;;基于经验模态分解和支持向量机的短期风电功率组合预测模型[J];中国电机工程学报;2011年31期

9 林卫星;文劲宇;艾小猛;程时杰;李伟仁;;风电功率波动特性的概率分布研究[J];中国电机工程学报;2012年01期

10 李勋;龚庆武;贾晶晶;;采用原子分解能量熵的低频振荡主导模式检测方法[J];中国电机工程学报;2012年01期

【共引文献】

相关期刊论文前10条

1 ;Achievements and Prospects of Wind Power Prediction[J];Electricity;2011年05期

2 宋少群;付超;王毅;张兰英;尹元;杨宏;;适合风电特性的联络线过载切机装置控制策略[J];电力系统自动化;2010年15期

3 宋少群;付超;张兰英;王毅;;风电场并网联络线重合闸的合理配合方式[J];电力系统自动化;2010年20期

4 林今;孙元章;P.SФRENSEN;李国杰;程林;黎雄;;基于频域的风电场功率波动仿真 (一)模型及分析技术[J];电力系统自动化;2011年04期

5 王卿然;谢国辉;张粒子;;含风电系统的发用电一体化调度模型[J];电力系统自动化;2011年05期

6 林今;孙元章;P.SΦRENSEN;李国杰;程林;黎雄;;基于频域的风电场功率波动仿真 (二)变换算法及简化技术[J];电力系统自动化;2011年05期

7 王彩霞;鲁宗相;;风电功率预测信息在日前机组组合中的应用[J];电力系统自动化;2011年07期

8 许寅;陈颖;梅生伟;;风力发电机组暂态仿真模型[J];电力系统自动化;2011年09期

9 徐曼;乔颖;鲁宗相;;短期风电功率预测误差综合评价方法[J];电力系统自动化;2011年12期

10 陈颖;周海;王文鹏;曹潇;丁杰;;风电场输出功率超短期预测结果分析与改进[J];电力系统自动化;2011年15期

相关期刊论文前10条

1 曹维,翁斌伟,陈陈;电力系统暂态变量的Prony分析[J];电工技术学报;2000年06期

2 邓集祥;欧小高;姚天亮;;基于小波能量系数的主导低频振荡模式检测[J];电工技术学报;2009年08期

3 汪宁渤;马彦宏;夏懿;;甘肃酒泉10GW级风电基地面临的巨大挑战[J];电力建设;2010年01期

4 汪德星;电力系统运行中AGC调节需求的分析[J];电力系统自动化;2004年08期

5 马彦宏;汪宁渤;刘福潮;刘光途;王蛟;;甘肃酒泉风电基地风电预测预报系统[J];电力系统自动化;2009年16期

6 张国强;张伯明;;基于组合预测的风电场风速及风电机功率预测[J];电力系统自动化;2009年18期

7 贾清泉;于连富;董海艳;王宁;田杰;;应用原子分解的电能质量扰动信号特征提取方法[J];电力系统自动化;2009年24期

8 井天军;阮睿;杨明皓;;基于等效平均风速的风力发电功率预测[J];电力系统自动化;2009年24期

9 李智;韩学山;韩力;康凯;;地区电网风电场功率超短期预测方法[J];电力系统自动化;2010年07期

10 蒋小亮;蒋传文;彭明鸿;林海涛;李子林;;基于时间连续性及季节周期性的风速短期组合预测方法[J];电力系统自动化;2010年15期

相关期刊论文前10条

1 ;风力发电在英国引起的风波[J];科技导报;1994年12期

2 ;东北风力发电前景喜人[J];吉林电力;1996年04期

3 刘立新,王允杰;借鉴国外经验加快开发风力发电[J];吉林电力;1997年06期

4 ;瑞典研制出新型风力发电系统[J];东北电力技术;2001年11期

5 郭金东,赵栋利,李亚西,赵斌,许洪华;风力发电浅谈[J];电力设备;2004年06期

6 ;赤峰新胜风力发电有限公司[J];辽宁经济;2008年04期

7 于贵勇;;风力发电科普进校园——让同学们充分认识绿色能源风能[J];风能;2010年04期

8 ;内蒙古自治区电机工程学会风力发电学术讨论会议纪要[J];内蒙古电力技术;1985年00期

9 霍宏暄;用新技术促进风力发电的发展[J];能源研究与信息;1993年02期

10 ;加快风电发展[J];中国金属通报;2000年23期