基于时空相关性的NAR动态神经网络风功率超短期组合预测

• 作者: 黄慧 贾嵘 董开松
• 来源期刊: 太阳能学报
• 关键词: 空间分布 时间序列 风电功率 组合预测 NAR神经网络
• 年，卷（期）: 2020,（10）
• 页码范围: 311-316
• 页数: 6页
• 分类号: TM614
• 语种: 中文

摘要

考虑风电场机组空间分布的相关性,提出基于动态时间序列神经网络(NAR)的风电场超短期功率组合预测方法.首先利用经验函数正交分解(EOF)解析风电机组出力特征的空间相关性,并依据空间特征贡献率对风电机组进行分组;其次针对机组的原始功率时间序列均值建立NAR预测模型,进而对风电功率预测结果组合加总获整取个风电场功率预测值.以中国北方某地区风电场实例验证,与单一风功率序列NAR预测模型和ARMA(2,2)模型相比,预测结果验证了文中所提方法的有效性.