SA  >> Vol. 6 No. 2 (June 2017)

    风电功率统计建模及预测
    Modeling and Prediction of Wind Power Statistics

  • 全文下载: PDF(519KB) HTML   XML   PP.276-286   DOI: 10.12677/SA.2017.62031  
  • 下载量: 864  浏览量: 2,502   科研立项经费支持

作者:  

尹煜城:邵阳学院理学院,湖南 邵阳

关键词:
风电功率时间序列人工神经网络灰色预测组合预测Wind Power The Time Series Artificial Neural Network Grey Prediction Combination Forecast

摘要:

本文针对风电功率的预测问题,分别采用时间序列法、人工神经网络、灰色预测法对未来机组输出的电功率建立了三种合理预测模型,并通过对各种模型的误差分析,进一步提出了改进的方案使其预测更加的准确,在最后将模型推广到n台风电机组并给出了合理的模型。我们通过分析知道阻碍风电功率实时预测精度进一步改善的主要因素是因为实测数据本身就存在各种不可避免的误差,得出风电功率的预测精度无法得到无限提高的结论。

In this paper, time series, artificial neural network, gray forecast are adopted to predict the power of wind turbines. By means of setting up three types of rational prediction models and performing error analysis, this paper presents an improvement scheme to make predictions more accurate. Finally, the models are applied to several wind turbines. The analysis demonstrates that the orig-inal measurement data often contain various errors, so the prediction accuracy of wind power cannot be infinitely increased.

文章引用:
尹煜城. 风电功率统计建模及预测[J]. 统计学与应用, 2017, 6(2): 276-286. https://doi.org/10.12677/SA.2017.62031

参考文献

[1] 张新房, 徐大平, 吕跃刚, 柳亦兵. 风力发电技术的发展及若干问题[J]. 现代电力, 2003, 20(5).
[2] 雷亚洲, 王伟胜, 任永华, 等. 含风电场电力系统的有功有化潮流[J]. 电网技术, 2002, 26(6): 18-21.
[3] 楼顺天, 施阳. 基于MATLAB的系统分析与设计——神经网络[M]. 西安: 电子科技大学出版社, 2000.
[4] 董安正, 赵国潘. 人工神经网络在短期资料风速估计方面的应用[J]. 工程力学, 2003, 20(5): 10-13.
[5] 潘迪夫, 刘辉, 李燕飞. 给予时间序列分析和卡拉曼滤波法的风电场风速预测优化模型[J]. 电网技术, 2008, 32(7): 82-86.
[6] 丁明, 张立军, 吴仪纯. 给予时间序列分析的风电场风俗预测模型[J]. 电力自动化设备, 2005, 25(8): 32-34.
[7] 刘玉. 基于实测数据分析的大型风电场风电功率预测研究[J]. 黑龙江电力, 2011, 33(1): 11-15.
[8] 刘纯, 范高锋, 王伟胜, 戴慧珠. 风电场输出功率的组合预测模型[J]. 电网技术, 2009(13) :74-79.