偏差修正算法的风电短期功率预测

论文摘要

结合风场实时数据以及风场气象数据,分析了实时数据并制定了数据清洗规则;针对风电功率预测领域预测精度低的问题,首先利用深度信念网络(DBN)、支持向量机(SVR)、BP神经网络和六次多项式拟合(ployfit)四种传统方法对风电功率进行了一次预测并计算一次预测偏差,利用气象背景相关性以及拟合法、中位数法、聚类法分析与寻找一次预测偏差特征分布,并在此基础上提出偏差修正算法(Error Correction Algorithm),通过仿真对比,验证了偏差修正算法的二次修正效果,偏差修正算法对一次预测偏差具有良好的修正效果,能更好的提升预测准确度;进一步利用风速与功率的相关性考察偏差修正算法的修正效果,结果显示相关性越低,偏差修正算法的修正效果越明显。

论文目录

• 0 引言
• 1 历史数据的前期处理
•   1.1 数据分析
•   1.2 数据清洗
• 2 传统方法的一次预测原理
•   2.1 深度置信网络
•   2.2 支持向量机
•   2.3 BP神经网络
• 3 偏差修正算法原理
•   （1） 中位数法
•   （2） 多项式拟合法
•   （3） 聚类法
• 4 整体算法实现及偏差评价指标
•   4.1 整体算法步骤
•   4.2 偏差的评价指标
• 5 实例分析
•   5.1 研究对象
•   5.2 偏差分析
• 6 结论

文章来源

类型: 期刊论文

作者: 张瀚超,匡洪海,王建辉,朱国平

关键词: 风电功率预测,深度信念网络,支持向量机,神经网络,多项式拟合,偏差修正算法

来源: 新型工业化 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 湖南工业大学电气与信息工程学院

基金: 湖南省自然基金项目(2018JJ4076)

分类号: TM614;TP18

DOI: 10.19335/j.cnki.2095-6649.2019.02.001

页码: 1-9

总页数: 9

文件大小: 2729K

下载量: 93