基于小波包分解和改进Elman神经网络的风电场风速和风电功率预测

• 作者: 刘建楠 刘瑞叶 叶瑞丽 郭志忠
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 风力发电 风电场 风速预测 小波包分解 Elman神经网络
• 年，卷（期）: 2017,（21）
• 所属期刊栏目: 电力系统及其自动化
• 页码范围: 103-111
• 页数: 9页
• 分类号: TM614
• 字数: 6137字
• 语种: 中文
• DOI: 10.19595/j.cnki.1000-6753.tces.160727

摘要

准确预测风电场风速和风电功率对做好风电场运行维护、合理安排开停机计划以及确保电力系统的安全稳定运行具有重要意义.提出了基于小波包分解和改进Elman神经网络的新型风电场风速和风电功率预测方法并给出了具体应用步骤.首先利用小波包分解理论对经过初步处理的历史风速数据进行分解处理,根据相关性剔除随机数据,保留最优分解树;随后提出带扰动的PSO训练算法用以提高Elman神经网络的训练速度,并解决PSO算法易陷入局部最优解的问题;最后利用不同结构的Elman神经网络寻找最优分解树不同频段下的风速规律进而获得风速和风电功率预测结果.南方某风电场算例表明该方法具有更高的预测精度,能够正确反映风速和风电功率规律.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭志忠	哈尔滨工业大学电气工程及自动化学院	219	5915	44.0	65.0
2	刘瑞叶	哈尔滨工业大学电气工程及自动化学院	35	656	14.0	24.0
3	刘建楠		11	149	6.0	11.0
4	叶瑞丽	哈尔滨工业大学电气工程及自动化学院	6	129	5.0	6.0