基于原子稀疏分解和BP神经网络的风电功率爬坡事件预测

• 作者: 孙元章 崔明建 柯德平
• 来源期刊: 电力系统自动化
• 关键词: 风力发电 爬坡事件 风电功率预测 原子稀疏分解 反向传播神经网络
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 绿色电力自动化
• 页码范围: 6-11,26
• 页数: 7页
• 字数: 5288字
• 语种: 中文
• DOI: 10.7500/AEPS20130418003

摘要

超短期风电功率爬坡事件越来越影响风电机组在电网中的运行。当前国内对爬坡事件的定义并不明确，缺少相应的预测方法。阐述了风电功率爬坡事件的物理含义，提出了一种基于原子稀疏分解和反向传播神经网络(BPNN)的组合预测方法，分别建立了原子分量自预测模型、残差分量预测模型和组合预测模型。以实际风电场数据进行验证，对不同预测方法和不同时间空间实测数据进行了较全面的分析，结果表明该方法可以提高预测精度，并能降低绝对平均误差和均方根误差计算值的统计区间。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙元章	武汉大学电气工程学院	74	2604	26.0	50.0
2	崔明建	武汉大学电气工程学院	19	382	10.0	19.0
3	柯德平	武汉大学电气工程学院	16	246	8.0	15.0