摘要
通过对风力发电系统的发电功率时间序列进行低维非线性动力学建模,表明该时间序列呈现混沌特性。在此基础上,利用混沌时间序列的相空间理论建立了风力发电功率神经网络预测模型,对风力发电功率的短期预测进行了分析和研究,并得到了较高的精度。本文研究数据均来自大唐赛罕坝百万千瓦级风电场。
The time series of wind power generating capacity are examined by nonlinear dynamical methods, in order to identify chaos characteristic from its random-like waveform. The analysis of modeling with low dimensions nonlinear dynamics indicates that time series of wind power generating capacity have chaos characteristic, and wind power generating capacity can be predicted in short time. Phase space reconstruction method is used for artificial neural network model design. The data from the wind farm located in the Saihanba China are used for this study .
出处
《电工技术学报》
EI
CSCD
北大核心
2008年第12期125-129,共5页
Transactions of China Electrotechnical Society
基金
国家自然科学基金资助项目(50777003)
关键词
风力发电
混沌属性
功率预测
神经网络
Wind power generation,chaos characteristic,capacity prediction, neural network
作者简介
冬雷 男，1967年生，博士，副教授，主要从事电力电子与电力传动以及新能源方面研究。
王丽婕 女，1984年生，博士研究生，主要从事控制理论与控制工程以及新能源方面的研究。
