10.3969/j.issn.1006-6047.2014.01.021
基于原子稀疏分解理论的短期风电功率滑动预测
采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解(ASD)法,作为人工神经网络(ANN)的前置分解方法,将风电功率序列分解为原子分量和残差分量,对原子分量进行自预测,残差分量进行ANN预测,再通过追加最新的风电功率实时数据来更新ASD的结果,进而滑动预测下一个时刻的风电功率.以实际风电场数据进行验证,结果证明了该模型可以有效地处理风电功率非平稳性,产生更为稀疏的分解效果,显著地降低了绝对平均误差、均方根误差计算值的统计区间.
风电、预测、原子稀疏分解、人工神经网络、模型
34
TM614(发电、发电厂)
国家重点基础研究发展计划973计划资助项目2012-CB215101Project supported by the National Key Basic Research Program of China973 Program 2012CB215101
2014-02-27(万方平台首次上网日期,不代表论文的发表时间)
共8页
120-127