基于原子稀疏分解和BP神经网络的风电功率爬坡事件预测

摘要：

超短期风电功率爬坡事件越来越影响风电机组在电网中的运行。当前国内对爬坡事件的定义并不明确，缺少相应的预测方法。阐述了风电功率爬坡事件的物理含义，提出了一种基于原子稀疏分解和反向传播神经网络(BPNN)的组合预测方法，分别建立了原子分量自预测模型、残差分量预测模型和组合预测模型。以实际风电场数据进行验证，对不同预测方法和不同时间空间实测数据进行了较全面的分析，结果表明该方法可以提高预测精度，并能降低绝对平均误差和均方根误差计算值的统计区间。

关键词：风力发电、爬坡事件、风电功率预测、原子稀疏分解、反向传播神经网络

分类号：TP3;TN9

资助基金：国家重点基础研究发展计划973计划资助项目2012CB215101;国家自然科学基金重大项目51190105;国家高技术研究发展计划863计划资助项目2012AA050218。This work is supported by National Basic Research Program of China973 Program2012CB215101;the Major Program of National Natural Science Foundation of China51190105;National High Technology Research and Development Program of China863 Program2012AA050218

在线出版日期：2014-07-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：6-11,26