科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高风功率预测精度，减轻输出风能波动性对风电并网不利影响，提出了基于WT-IAGA-BP神经网络的短期风电功率预测方法。首先，利用风速分区、3σ准则及拉格朗日插值法清洗风电场历史数据；其次，依据小波重构误差，选择db4小波分别提取风速、风向、历史风功率的不同频率特征信号，并引入改进自适应遗传算法（IAGA）对各序列BP神经网络的初始权值与阈值寻优，使用Sigmiod函数通过适应度值自适应改变交叉概率与变异概率；最后，构建各序列的WT-IAGA-BP模型对短期风功率组合预测。通过仿真分析，并与ELM、IAGA-BP、WT-ELM及WT-LSSVM方法对比，验证该方法具有更高的预测精度和更好的预测性能。
-
单位电力系统及大型发电设备安全控制和仿真国家重点实验室; 新疆大学
