一种适用于分散式风电场的组合风电功率预测方法

    公开(公告)号:CN103268366B

    公开(公告)日:2017-09-29

    申请号:CN201310071897.2

    申请日:2013-03-06

    IPC分类号: G06F17/50 G06N3/02

    CPC分类号: Y02T10/82

    摘要: 本发明提供一种适用于分散式接入的组合风电功率预测方法,包括如下步骤:步骤1,数据采集和预处理、步骤2,利用归一化后的训练样本集和预测样本集建立基于径向基神经网络的风速预测模型并预测分散风机点下一时刻风速和变化趋势、步骤3,根据分散式风场地形、粗糙度、尾流影响等因素建立分散式风电场区CFD模型并外推出场区内每台风机的预测风速、步骤4,通过采集分散式风场SCADA系统风机功率数据、步骤5,采用关联系数;本发明首次提出双层组合神经网络分别对风速和功率进行预测。采取适合各自的有效地神经网络类型进行分别建模,并将加入“改进”“变异”“淘汰”思想的改进微粒群算法对神经网络进行优化,可以有效提高建模的速度和精度,实现风速和功率的解耦。

    一种适用于分散式风电场的组合风电功率预测方法

    公开(公告)号:CN103268366A

    公开(公告)日:2013-08-28

    申请号:CN201310071897.2

    申请日:2013-03-06

    IPC分类号: G06F17/50 G06N3/02

    CPC分类号: Y02T10/82

    摘要: 本发明提供一种适用于分散式接入的组合风电功率预测方法,包括如下步骤:步骤1,数据采集和预处理、步骤2,利用归一化后的训练样本集和预测样本集建立基于径向基神经网络的风速预测模型并预测分散风机点下一时刻风速和变化趋势、步骤3,根据分散式风场地形、粗糙度、尾流影响等因素建立分散式风电场区CFD模型并外推出场区内每台风机的预测风速、步骤4,通过采集分散式风场SCADA系统风机功率数据、步骤5,采用关联系数;本发明首次提出双层组合神经网络分别对风速和功率进行预测。采取适合各自的有效地神经网络类型进行分别建模,并将加入“改进”“变异”“淘汰”思想的改进微粒群算法对神经网络进行优化,可以有效提高建模的速度和精度,实现风速和功率的解耦。