基于小波-极限学习机的短期风电功率预测
来源期刊:控制工程2012年第S1期
论文作者:黄庭 王昕 李立学 周荔丹 姚钢 张杨
文章页码:232 - 236
关键词:风力发电;功率预测;小波分解;多模型;极限学习机;
摘 要:风能作为可再生绿色能源已经得到世界各国的广泛应用。由于风具有很强的随机性和不稳定性,导致风电的波动剧烈,给电网的安全稳定运行提出了挑战。本文根据风电的强随机性特点和BP网络预测精度低的缺点,提出了基于小波分解和多模型极限学习机的风电功率预测模型。通过小波分解将风电功率时间序列分解为不同频段的子序列,对各个子序列进行分析,在一定程度上弱化了风电的强随机性。再用多模型极限学习机分别对子序列建立模型,对于每一个子序列再利用设定的挂起准则将建立的子序列的模型分为两部分;对于误差小的挂起模型,无需随机方式进行在线更新,用以降低模型的误差波动;对于误差大的更新模型,采用随机方式进行在线更新。可以进一步弱化风电的强随机性。最后将各个子序列的预测结果重构。对内蒙古某风电场的风电功率预测结果表明,本文提出的方法与其他方法相比,具有更高的预测精度。
黄庭1,王昕1,李立学1,周荔丹2,姚钢2,张杨3
1. 上海交通大学电工与电子技术中心2. 上海交通大学电气系3. 吉林省电力有限公司松原供电公司
摘 要:风能作为可再生绿色能源已经得到世界各国的广泛应用。由于风具有很强的随机性和不稳定性,导致风电的波动剧烈,给电网的安全稳定运行提出了挑战。本文根据风电的强随机性特点和BP网络预测精度低的缺点,提出了基于小波分解和多模型极限学习机的风电功率预测模型。通过小波分解将风电功率时间序列分解为不同频段的子序列,对各个子序列进行分析,在一定程度上弱化了风电的强随机性。再用多模型极限学习机分别对子序列建立模型,对于每一个子序列再利用设定的挂起准则将建立的子序列的模型分为两部分;对于误差小的挂起模型,无需随机方式进行在线更新,用以降低模型的误差波动;对于误差大的更新模型,采用随机方式进行在线更新。可以进一步弱化风电的强随机性。最后将各个子序列的预测结果重构。对内蒙古某风电场的风电功率预测结果表明,本文提出的方法与其他方法相比,具有更高的预测精度。
关键词:风力发电;功率预测;小波分解;多模型;极限学习机;