基于OS-ELM的风速修正及短期风电功率预测

摘要：

随着时间的推移,风电场风电功率预测模型的适用性逐渐降低,导致预测精度下降.为了解决该问题,基于在线序列-极限学习机(OS-ELM)算法提出了风电场短期风电功率预测模型的在线更新策略,建立的OS-ELM模型将风电场的历史数据固化到隐含层输出矩阵中,模型更新时,只需将新产生的数据对当前网络进行更新,大大降低了计算所需的资源.采用极限学习机(ELM)算法对数值天气预报(NWP)的预测风速进行修正,并根据风电功率的置信区间对预测功率进行二次修正.实验结果表明,采用OS-ELM算法更新后的模型适用性增强,预测精度提高;采用基于风电功率置信区间的功率修正模型后,风电功率的预测精度明显提高.

关键词：在线序列-极限学习机、数值天气预报、风速修正、功率修正

所属期刊栏目：42

分类号：TK89(风能、风力机械)

资助基金：江苏省六大人才高峰项目WLW-021;江苏省研究生创新工程省立项目SJLX_0386

在线出版日期：2016-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：110-113,121