论文摘要
风的间歇性和波动性导致训练样本的多样性,为提高短期风电功率预测精度,保证电网正常运行以及电能质量,对风功率进行建模预测尤为紧迫。针对上述问题,首先对原始数据进行预处理将非正常数据剔除。其次,运用Levenberg-Marquardt（LM）改进的牛顿算法优化反向传播（BP）神经网络（LM-BP）构建预测模型,并与传统的前馈BP神经网络进行比较,仿真结果表明,提出的基于LM-BP的预测模型相比单一的BP模型更加接近实际功率值,性能更优。最后,针对LM-BP模型的预测误差建立自回归滑动平均（ARMA）模型来修正负荷预测结果,结果表明误差修正后预测精度明显提高。
论文目录
文章来源
类型: 期刊论文
作者: 梁涛,杨改文,姜文,李永强
关键词: 风功率预测,反向传播神经网络,自回归滑动平均误差修正
来源: 高技术通讯 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 河北工业大学人工智能与数据科学学院
基金: 河北省科技计划(16214510D,17214304D),石家庄科技局重点研发(181060481A)资助项目
分类号: TP183;TM614
页码: 487-493
总页数: 7
文件大小: 1629K
下载量: 356
相关论文文献
标签：风功率预测论文; 反向传播神经网络论文; 自回归滑动平均误差修正论文;