基于主成分分析法的风电功率短期组合预测

• 作者: 吴金浩 孙骏 杨秀媛
• 来源期刊: 电气技术
• 关键词: 风功率预测 主成分分析法 BP神经网络 粒子群算法 支持向量机 组合预测
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 研究与开发
• 页码范围: 41-47
• 页数: 7页
• 字数: 4874字
• 语种: 中文

摘要

间歇性与不确定性是风力发电的固有特性,在风力发电迅速发展的背景下风电功率预测的重要性日渐凸显.为了减少单一模型在个别预测点误差较大的情况,提高整体预测方法的预测精度及相对误差率,本文采用反向传播(BP)神经网络以及支持向量机(SVM)两种基本模型进行组合,并引入粒子群(PSO)以及交叉验证(CV)算法来优化模型中的参数.结合主成分分析法(PCA)对原始数据进行预处理,在不降低预测精度的前提下,对原数据进行降维处理从而提高运算效率.使用模型分别对未来5天进行预测,结果表明组合预测模型的标准平均误差(NMAE)、标准均方根误差(NRMSE)都满足国内现行指标,而且预测精度比单一模型有很大提高,相对误差更加稳定,有效减少了较大误差点的出现.实例研究表明,基于主成分分析法的风电功率短期组合预测模型的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨秀媛		40	545	11.0	23.0
2	吴金浩		1	8	1.0	1.0
3	孙骏		1	8	1.0	1.0