-
题名小样本条件下风电功率预测方法的研究
- 1
-
-
作者
张志艳
兰龙
白景升
杨唐毅格
孔汉
刘华
-
机构
郑州轻工业大学电气信息工程学院
中广核新能源巢湖观湖风电场
河南省电力公司建设部
-
出处
《电力系统保护与控制》
北大核心
2025年第18期120-130,共11页
-
基金
河南省科技攻关项目资助(242102241030)。
-
文摘
针对风电功率预测通常需要大量历史数据和复杂模型支持的问题,提出了一种小样本条件下风电功率预测模型。首先,针对样本不足问题,提出基于时序马尔可夫链蒙特卡洛(time-Markov chain Monte Carlo,Time-MCMC)的数据扩充方法,采用统计、插值、拟合和自适应识别方法进行数据清洗,提升样本的多样性和质量。其次,融合多种优化策略,构建基于改进型混合天鹰优化与非洲秃鹫优化算法(improved hybrid aquila optimization and African vulture optimization algorithm,IHAOAVOA)的反向传播(backpropagation,BP)神经网络风电功率预测模型。最后,以实际算例验证了数据扩充方法的有效性,同时对扩充后的样本集分别采用BP神经网络、天鹰优化器(aquila optimizer,AO)优化BP神经网络、非洲秃鹫优化算法(African vultures optimization algorithm,AVOA)优化BP神经网络和IHAOAVOA-BP神经网络4种模型进行功率预测。预测结果表明,与AVOA-BP模型相比,所提模型平均绝对值误差(mean absolute error,MAE)和均方误差(mean squared error,MSE)分别至少降低了0.45 MW和21.48%。
-
关键词
功率预测
小样本
BP神经网络
马尔可夫链蒙特卡洛
混合优化策略
-
Keywords
power forecasting
small sample
BP neural network
Markov chain Monte Carlo
hybrid optimization strategy
-
分类号
TM614
[电气工程—电力系统及自动化]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
