-
题名考虑功率分布特性的微网风电功率预测模型
被引量：10
- 1
-
-
作者
任德江
吴杰康
毛骁
-
机构
广东工业大学自动化学院
-
出处
《智慧电力》
北大核心
2018年第12期56-62,共7页
-
基金
国家自然科学基金资助项目(50767001)
广东省公益研究与能力建设专项资金资助项目(2014A010106026)~~
-
文摘
针对微网中风电功率预测模型输入数据分布不均匀特性导致其预测精度低的问题,在不改变原始数据的情况下,提出一种混合归一化方法改善输入数据的分布特性。目前风电预测模型主要使用的是单一的BP神经网络模型,考虑到该模型有容易陷入局部最优、预测精度低等缺点,提出混沌遗传-BP神经网络风电功率预测模型,采用混沌遗传算法优化神经网络权值与阈值,因而该模型在全局区域内能保证较好的预测精度且不会陷入局部最小。算例结果表明:该混合归一化方法能够有效地改善输入数据的分布特性,且所提预测模型有更优的预测性能。
-
关键词
风电功率预测模型
线性归一化
分布特性
混沌遗传-BP神经网络
-
Keywords
wind power prediction model
linear normalization
distribution characteristics
chaotic genetic -BP neural network
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名基于偏依赖量的风功率影响因素相关性分析方法
被引量：8
- 2
-
-
作者
庞传军
余建明
张波
刘艳
-
机构
南瑞集团有限公司(国网电力科学研究院有限公司)
北京科东电力控制系统有限责任公司
-
出处
《电网技术》
EI
CSCD
北大核心
2021年第2期552-558,共7页
-
基金
国家电网有限公司科技项目(5100-201940013A-0-0-00)。
-
文摘
分析各类影响因素与风电功率之间的相关性对于提升风电功率预测的准确度和评估风电机组的性能具有重要意义。针对原有相关性分析没有考虑风电功率时变特性和不能反映影响因素与风电功率之间复杂非线性关系的问题,提出基于影响因素重要性和偏依赖量的相关性分析方法。首先,基于历史数据,利用梯度提升树和人工神经网络训练风电功率模型。其次,基于功率模型提出影响因素重要性指标,识别影响功率的重要因素。然后,利用风电功率对各类影响因素的偏依赖量衡量影响因素的变化对风电功率趋势的非线性影响。最后,采用实际风电功率数据进行验证,实验结果表明所提方法能够识别影响风电功率的重要因素,并可衡量各类因素的变化与风电功率之间的非线性相关关系。
-
关键词
风电功率
相关性
风电功率模型
影响因素重要性
偏依赖量
-
Keywords
wind power
correlation
wind power model
importance of influencing factors
partial dependence
-
分类号
TM614
[电气工程—电力系统及自动化]
-
