基于主成分分析的神经网络动态集成风功率超短期预测.pdf 全文

  本文关键词：基于主成分分析的神经网络动态集成风功率超短期预测，，由笔耕文化传播整理发布。

第 卷第 期. . 电力系统保护与控制 . .年 月 日 基于主成分分析的神经网络动态集成风功率超短期预测 何 东,刘瑞叶 哈尔滨工业大学电气工程及自动化学院,黑龙江 哈尔滨摘要:为了解决风电功率神经网络预测输入变量多、计算效率低、泛化能力较差的缺点,采用主成分分析法 减少变量 数。用神经网络动态集成的方法构建出较强泛化能力的 网络集成。采用南方某风电场的数据进行了预测,比较了选取全 部气象参数、部分气象参数和基于 处理后的数据作为神经网络输入对预测精度和计算效率的影响,结果表明采用 能 在不降低预测精度的情况下,大大提高运算速度。通过对比单个和集成 神经网络预测结果发现,采用集成网络的预测精 度比单个 网络精度有所提高,特别是风速突变的情况下更加明显 关键词:风功率预测;主成分分析;神经网络集成 , ?,,: ,. . .,. . , . 曲 .. : ; ;中图分类号: 文献标识码: 文章编号:. . 数据,更适用于复杂地形;缺点是需分析复杂的物 引言 理特性,如果模型建立的比较粗糙,则预测精度差。 准确的风功率预测是提高风电接入容量、电网 而统计方法虽然需要长期测量数据和额外的训练, 运行稳定性和经济性的有效手段。具体来讲,准确 但是能自动适应风电场位置,减小系统误差。相对 其他统计方法,文献【 . 的研究表明神经网络有很 的风功率预测可以用来安排电厂发电计划、保持电 网功率平衡,并作为电网操作和电网阻塞管理的可 强的鲁棒性和容错性,更适用于处理像风功率预测 靠依据。因此,实际生产急需提高风功率预测准确 这样的复杂非线性和不确定的问题。 使用神经网络预测首先要确定哪些变量作为输 性。目前,用于风功率预测的方法主要有物理模型 和统计模型 最小平方

  本文关键词：基于主成分分析的神经网络动态集成风功率超短期预测，由笔耕文化传播整理发布。