基于相似性算法的超短期风速预测

• 作者: 任亮 赵兴勇
• 来源期刊: 电力学报
• 学科: 工学
• 关键词: 相似性 神经网络 超短期预测 数值天气预报 风速预测
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 电力系统
• 页码范围: 36-40,46
• 页数: 6页
• 分类号: TM614
• 语种: 中文

摘要

超短期风电功率预测对接入大规模风电的电力系统实时调度具有重要的意义.根据风电功率的影响因素和风速周期变化的特性,提出了基于相似时段的训练样本提取方法.以数值天气预报信息(NWP)作为模型输入,建立了广义回归神经网络(GRNN)预测模型.利用黑龙江依兰风电场的数据进行训练和预测,并将预测结果与全样本的广义回归神经网络预测方法进行对比,结果表明,相似性模型的预测精度最高,比全样本GRNN模型预测精度提高了7.72％,该方法对风电场超短期风速预测具有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵兴勇		62	431	10.0	18.0
2	任亮		2	9	1.0	2.0