基于混沌理论和RBF神经网络算法的风电功率预测研究

风电功率预测对并网后电力系统的发电量调度、优化以及安全稳定地运行具有重要意义。通常算法是通过分析风功率与天气因素的关系等方法来预测的,没有从风机发电系统的角度出发。因此,传统算法使用的数据种类较多,导致模型的训练压力较大,且容易陷入局部极小值点,影响预测结果。由于风力发电时间序列具有混沌特性,本文将混沌理论与RBF神经网络结合应用至风电功率预测中。本文采用宁夏长山头风电场数据进行了训练与预测,并与BP神经网络模型进行对比,结果显示,混沌RBF神经网络取得了良好的效果,提高了超短期预测的预测精度。