基于ARMA误差修正的LM-BP模型的风功率预测

• 作者: 姜文 李永强 杨改文 梁涛
• 来源期刊: 高技术通讯
• 关键词: 风功率预测 Levenberg-Marquardt(LM) 反向传播(BP)神经网络 自回归滑动平均(ARMA)误差修正
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 先进制造与自动化
• 页码范围: 487-493
• 页数: 7页
• 字数: 5195字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2019.05.010

摘要

风的间歇性和波动性导致训练样本的多样性,为提高短期风电功率预测精度,保证电网正常运行以及电能质量,对风功率进行建模预测尤为紧迫.针对上述问题,首先对原始数据进行预处理将非正常数据剔除.其次,运用Levenberg-Marquardt(LM)改进的牛顿算法优化反向传播(BP)神经网络(LM-BP)构建预测模型,并与传统的前馈BP神经网络进行比较,仿真结果表明,提出的基于LM-BP的预测模型相比单一的BP模型更加接近实际功率值,性能更优.最后,针对LM-BP模型的预测误差建立自回归滑动平均(AR-MA)模型来修正负荷预测结果,结果表明误差修正后预测精度明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁涛	河北工业大学人工智能与数据科学学院	58	290	10.0	14.0
2	杨改文	河北工业大学人工智能与数据科学学院	5	3	1.0	1.0
3	姜文		1	1	1.0	1.0
4	李永强		2	2	1.0	1.0