摘要
针对单一模型难以对具有不确定性和随机性等特点的风电功率数据实现精确预测,该文提出基于GA-BP和RBF的风力发电时间序列混沌特性组合预测模型。组合预测模型对原始风电功率数据进行混沌特性判定,使用基于嵌入窗法的C-C求解法对数据进行相空间重构,得到输入数据集。并且,该组合预测模型基于皮尔逊相关系数和模型的不同预测能力,实时更新各模型的权重,提高模型的综合预测能力。实际风电场数据验证表明,组合预测模型对风电功率预测的皮尔逊相关系数为0.985,证明了此组合模型在提升风电预测精度方面具有优越性。
As it is difficult for a single model to accurately predict wind power data with uncertainty and randomness,this paper proposes a combined prediction model based on GA-BP and RBF for chaotic characteristics of wind power time series.The combined forecasting model judges the chaotic characteristics of the original wind power data,and uses the c-c algorithm based on the embedded window method to reconstruct the phase space of the data to obtain the input data set.Moreover,based on Pearson correlation coefficient and different prediction capabilities of the model,the combined prediction model updates the weight of each model in real time to improve the comprehensive prediction capability of the model.The actual wind farm data validation shows that the Pearson correlation coefficient of the combined forecasting model for wind power forecasting is 0.985,which proves that the combined forecasting model has advantages in improving the accuracy of wind power forecasting.
作者
王金锋
杨宇琦
温栋
孙晓晨
任正某
王茹月
WANG Jinfeng;YANG Yuqi;WEN Dong;SUN Xiaochen;REN Zhengmou;WANG Ruyue(State Grid Shaanxi Electric Power Company Limited Research Institute,Xi’an 710065,Shaanxi,China;State Grid Shaanxi Electric Power Company Limited,Xi’an 710048,Shaanxi,China;State Grid Tongchuan Electric Power Company,Tongchuan 727000,Shaanxi,China;School of Electrical Engineering,Xi’an University of Technology,Xi’an 710054,Shaanxi,China)
出处
《电网与清洁能源》
北大核心
2022年第11期117-125,共9页
Power System and Clean Energy
基金
国家自然科学基金(52177193)
陕西省重点研发计划(2022GY-182)。
作者简介
王金锋(1984-),男,博士,高级工程师,主要研究方向为电力需求侧管理、综合能源服务、电力市场、碳资产管理;通信作者:杨宇琦(1991-),男,硕士,工程师,主要研究方向为电力需求侧管理、电力市场;温栋(1990-),男,硕士,工程师,主要研究方向为电力需求侧管理、综合能源服务、电力市场、碳资产管理、分布式能源;孙晓晨(1996-),女,硕士,助理经济师,主要研究方向为电力需求侧管理、电力市场;任正某(1976-),男,硕士,高级工程师,主要研究方向为电力需求侧管理、综合能源服务;王茹月(1999-),女,硕士研究生,主要研究方向为风能预测、电动汽车电池管理系统。
