风电机组输出功率超短期预测的组合模型研究

【摘要】：为了提高风电功率的预测精度,基于多模型的预测MS-RBF神经网络的进行组合,通过Bayesian分类训练各子模型的权值,然后根据权重计算最终预测值;基于新疆某风电场实测历史数据,采用该组合模型与RBFNN模型分析对比,验证结果表明该组合模型有效减少了较大误差出现的频率,提高了整体的预测精度。 【作者单位】： 重庆大学动力工程学院;国电南京自动化股份有限公司;
【关键词】： 风电功率 预测模型 RBF神经网络 朴素Bayesian分类器
【分类号】：TM614
【正文快照】： 0引言随着可再生能源开发和利用的发展,风电的开发技术和成本已仅次于水电,成为未来最具大规模开发价值的可再生能源。当大规模风电机组并入电网时,由于风能的波动性与间歇性,对电力系统影响越来越大,尤其是风电穿透功率超过一定值后,将影响电力系统的安全性和稳定性。鉴于此,

您可以在本站搜索以下学术论文文献来了解更多相关内容

酒泉地区风电场风电功率预报研究    孙川永;高媛媛;姜宁;魏磊;

基于小波变换和神经网络的短期风电功率预测方法    王世谦;苏娟;杜松怀;

风电场短期风电功率的神经网络方法预测研究    黄金花;彭晖;

基于实测数据分析的大型风电场风电功率预测研究    刘玉;

风电功率GARCH预测模型的应用研究    周晖;方江晓;黄梅;

宁夏电网风电功率预测系统开发    耿天翔;丁茂生;刘纯;张军;师洪涛;

基于小波分解的风电场短期功率混合预测模型    陈国初;王鹏;徐余法;俞金寿;

风电场输出功率年度预测中有效风速预测研究    王晓兰;李辉;

内蒙古电网区域风电功率预测系统    白永祥;房大中;侯佑华;朱长胜;

应用粒子群优化算法的短期风电功率预测    杨志凌;刘永前;