Print

基于ARMA误差修正的LM-BP模型的风功率预测

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

  • 0 引 言
  • 1 数据预处理
  •   1.1 数据剔除
  •   1.2 功率相关因素分析
  •   1.3 数据归一化
  • 2 短期风功率预测模型
  •   2.1 牛顿算法
  •   2.2 Levenberg-Marquardt算法
  •   2.3 基于LM算法的BP预测模型实现
  •   2.4 实例及结果分析
  •   2.5 ARMA误差修正
  • 3 结论

    • 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

    本文来源: https://www.lunwen66.cn/article/268910300f55b0252e4a738a.html