风电场输出功率预测中两种神经网络算法的研究

• 作者: 刘永前 朴金姬 韩爽
• 来源期刊: 现代电力
• 学科: 工学
• 关键词: 风电场 功率预测 神经网络 数值天气预报 聚类法 正交最小二乘算法
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 新能源与分布式发电
• 页码范围: 49-52
• 分类号: TM614
• 字数: 3733字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2322.2011.02.010

摘要

神经网络是风电功率预测系统中应用最广泛的方法,而其训练算法是影响预测精度的重要因素之-.探讨了采用聚类法和正交最小二乘算法两种训练方法.以中国北方某风电场的实际数据以及数值天气预报数据为依据,对RBF聚类法和正交最小二乘算法进行了验证,最终研究并比较RBF不同预测情况与BP的差异.结果表明:对于提前24h的风电功率预测,RBF神经网络模型预测精度要好于BP神经网络模型,尤其以正交最小二乘算法为训练方法建立的RBF模型,预测精度较高,能够很好拟合实际功率曲线.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘永前	华北电力大学可再生能源学院	36	674	14.0	25.0
2	韩爽	华北电力大学可再生能源学院	15	439	9.0	15.0
3	朴金姬	华北电力大学能源动力与机械工程学院	1	13	1.0	1.0