【摘要】：采用一種具有很強的非平穩(wěn)信號跟蹤、預(yù)測能力的原子稀疏分解(ASD)法,作為人工神經(jīng)網(wǎng)絡(luò)(ANN)的前置分解方法,將風(fēng)電功率序列分解為原子分量和殘差分量,對原子分量進行自預(yù)測,殘差分量進行ANN預(yù)測,再通過追加最新的風(fēng)電功率實時數(shù)據(jù)來更新ASD的結(jié)果,進而滑動預(yù)測下一個時刻的風(fēng)電功率。以實際風(fēng)電場數(shù)據(jù)進行驗證,結(jié)果證明了該模型可以有效地處理風(fēng)電功率非平穩(wěn)性,產(chǎn)生更為稀疏的分解效果,顯著地降低了絕對平均誤差、均方根誤差計算值的統(tǒng)計區(qū)間。
[Abstract]:An atomic sparse decomposition (ASD) method with strong non-stationary signal tracking and predictive ability is used as the predecomposition method of artificial neural network (ANN) to decompose the wind power series into atomic components and residual components. The atomic component is self-predicted, the residual component is predicted by ANN, and then the results of ASD are updated by adding the latest real-time wind power data, and then the wind power of the next time is predicted by sliding. The results show that the model can deal with the non-stationarity of wind power effectively and produce more sparse decomposition effect. The statistical interval of absolute average error and root-mean-square error is significantly reduced.
【作者單位】： 武漢大學(xué)電氣工程學(xué)院;中國地質(zhì)大學(xué)數(shù)理學(xué)院;
【基金】：國家重點基礎(chǔ)研究發(fā)展計劃(973計劃)資助項目(2012-CB215101)~~
【分類號】：TM614

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫元章;林今;李國杰;黎雄;;采用變速恒頻機組的風(fēng)電場并網(wǎng)問題研究綜述(英文)[J];電力系統(tǒng)自動化;2010年03期

2 王彩霞;魯宗相;喬穎;閔勇;周雙喜;;基于非參數(shù)回歸模型的短期風(fēng)電功率預(yù)測[J];電力系統(tǒng)自動化;2010年16期

3 陳穎;周海;王文鵬;曹瀟;丁杰;;風(fēng)電場輸出功率超短期預(yù)測結(jié)果分析與改進[J];電力系統(tǒng)自動化;2011年15期

4 師洪濤;楊靜玲;丁茂生;王金梅;;基于小波—BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測方法[J];電力系統(tǒng)自動化;2011年16期

5 林今;孫元章;李國杰;黎雄;;采用變速恒頻機組的風(fēng)電場有功功率波動對系統(tǒng)節(jié)點頻率影響的動態(tài)評估模型[J];電力自動化設(shè)備;2010年02期

6 劉林;林濤;肖英偉;徐遐齡;;基于組合濾波和時頻原子變換的故障錄波數(shù)據(jù)分析新算法[J];電力自動化設(shè)備;2012年07期

7 洪翠;溫步瀛;林維明;;基于改進OLS-RBF神經(jīng)網(wǎng)絡(luò)模型的短期風(fēng)電場出力預(yù)測[J];電力自動化設(shè)備;2012年09期

8 龍虹毓;徐瑞林;何國軍;趙淵;謝開貴;張煦;;基于熱電風(fēng)電協(xié)調(diào)調(diào)度的系統(tǒng)日調(diào)峰能力分析[J];電力自動化設(shè)備;2013年04期

9 凌武能;杭乃善;李如琦;;基于云支持向量機模型的短期風(fēng)電功率預(yù)測[J];電力自動化設(shè)備;2013年07期

10 劉亞南;衛(wèi)志農(nóng);朱艷;孫國強;孫永輝;楊友情;錢瑛;周軍;;基于D-S證據(jù)理論的短期風(fēng)速預(yù)測模型[J];電力自動化設(shè)備;2013年08期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 儲茂得;周松林;;基于小波分析與神經(jīng)網(wǎng)絡(luò)的風(fēng)電場短期風(fēng)速預(yù)測[J];安徽科技學(xué)院學(xué)報;2011年01期

2 王慧勤;;基于支持向量機的短期風(fēng)速預(yù)測研究[J];寶雞文理學(xué)院學(xué)報(自然科學(xué)版);2009年01期

3 姜竹楠;劉峰;于文波;;基于小波包負(fù)荷特征提取和徑向基網(wǎng)絡(luò)的短期負(fù)荷預(yù)測新方法[J];電力科學(xué)與技術(shù)學(xué)報;2007年02期

4 嚴(yán)干貴;李鴻博;穆鋼;崔楊;劉玉;;基于等效風(fēng)速的風(fēng)電場等值建模[J];東北電力大學(xué)學(xué)報;2011年03期

5 劉金龍;李國慶;王振浩;辛業(yè)春;;超級電容器儲能系統(tǒng)在風(fēng)電場中的應(yīng)用研究[J];東北電力大學(xué)學(xué)報;2011年04期

6 江岳文;陳沖;溫步瀛;;基于隨機模擬粒子群算法的含風(fēng)電場電力系統(tǒng)經(jīng)濟調(diào)度[J];電工電能新技術(shù);2007年03期

7 陳德生;李培強;李欣然;鄧威;肖園園;劉乾勇;;基于小波變換的短期風(fēng)速預(yù)測綜合模型[J];電工電能新技術(shù);2012年03期

8 潘文霞;范永威;朱莉;高阿龍;;風(fēng)電場中抽水蓄能系統(tǒng)容量的優(yōu)化選擇[J];電工技術(shù)學(xué)報;2008年03期

9 冬雷;王麗婕;高爽;廖曉鐘;;基于混沌時間序列的大型風(fēng)電場發(fā)電功率預(yù)測建模與研究[J];電工技術(shù)學(xué)報;2008年12期

10 江岳文;陳沖;溫步瀛;;含風(fēng)電場的電力系統(tǒng)機組組合問題隨機模擬粒子群算法[J];電工技術(shù)學(xué)報;2009年06期

相關(guān)會議論文 前10條

1 王增新;蘇適;田沛;;光伏發(fā)電預(yù)測技術(shù)的應(yīng)用[A];2011年云南電力技術(shù)論壇論文集（入選部分）[C];2011年

2 朱鋒;周瑋;孫輝;;基于相似日聚類的徑向基神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測方法[A];中國可再生能源學(xué)會海洋能專業(yè)委員會成立大會暨第一屆學(xué)術(shù)討論會論文集[C];2008年

3 辛鵬;辛雷;蔡國偉;李曉琦;;一種基于經(jīng)驗?zāi)B(tài)分解與支持向量機的電力系統(tǒng)短期負(fù)荷預(yù)測新方法[A];第十一屆全國電工數(shù)學(xué)學(xué)術(shù)年會論文集[C];2007年

4 靳洋;徐其春;李煒;張禹;樊建宇;馬樂;;大規(guī)模風(fēng)電并網(wǎng)信息通信接入技術(shù)研究[A];2011電力通信管理暨智能電網(wǎng)通信技術(shù)論壇論文集[C];2011年

5 靳洋;徐其春;蘇斌;丁慧霞;汪洋;劉曉光;趙宏波;;風(fēng)電集中監(jiān)控系統(tǒng)組網(wǎng)方案研究[A];2011電力通信管理暨智能電網(wǎng)通信技術(shù)論壇論文集[C];2011年

6 杜俊紅;滕歡;滕福生;;在線超短期負(fù)荷預(yù)測的分析與應(yīng)用研究[A];2006中國電力系統(tǒng)保護與控制學(xué)術(shù)研討會論文集[C];2006年

7 邵t，

本文編號：2472731