-
题名EMD与NARX神经网络的风电场总功率组合预测
被引量:5
- 1
-
-
作者
张振华
马超
徐瑾辉
欧阳泽拯
-
机构
广东外语外贸大学经济贸易学院统计系
考文垂大学商务、环境和社会学院
广东外语外贸大学金融学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第12期265-270,共6页
-
基金
国家自然科学基金(No.71271061)
中国大学生创新训练计划项目(No.201411846001,No.201411846013)
+6 种基金
广东省教育厅科技创新项目(No.296-GK13201,No.2013KJCX0072)
广东省质量工程项目(No.110-GK131021)
广东省十二五教育规划项目(No.2012JK129)
广东省十二五哲学社科项目(No.GD12XGL14)
广州市哲学社科项目(No.2014GZZXGJ0067)
广东外语外贸大学重点团队项目(No.TD1202)
广东外语外贸大学教学改革重点项目(No.GYJYZDA12011)
-
文摘
探索构建对风电场总功率进行直接预测的高精度组合预测算法。考虑到风速的非平稳性导致风电总功率表现为非平稳时间序列,采用NARX神经网络作为初步预测模型,提出了经验模态分解与NARX神经网络相结合的混合预测模型。对风电场总功率非平稳时间序列进行经验模态分解,得到不同频带本征模式分量的平稳序列。对不同频带的平稳分量建立相应的NARX神经网络预测模型,并将各分量模型的预测值进行等权求和得到最终预测值。此外,为研究不同时间间隔对预测结果的影响,采用某大型风电场时间间隔为5 min与15 min的数据进行实验。预测结果表明,提出的组合预测模型适合于总功率预测,其预测效果比传统模型的效果更佳,且时间间隔为5 min的数据比时间间隔为15 min的数据预测精度更高。
-
关键词
经验模态分解
非线性自回归神经网络(带外部输入的)(NARX)
非平稳时间序列
风电场
总功率
-
Keywords
empirical mode decomposition
Nonlinear Auto-Regressive with e Xogenous input neural network(NARX)
non-stationary time series
wind power
total power
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-