基于混合智能模型的分布式风力发电预测方法

摘要：

进行准确的多尺度风功率预测对分布式风电机组的可靠和经济运行至关重要.提出了一种基于人工智能算法的混合模型,包括最小冗余最大相关(mRMR)准则的输入变量选择(IVS)模块,以及元启发式随机算法优化的自适应神经模糊推理系统(ANFIS).所提混合模型将可利用的相关数据,包括历史风电功率时间序列和区域数值天气预报(NWP),利用最小冗余最大相关(mRMR)的滤波方法来自动选择不同预测步长的输入变量;然后对于具备最优特征的输入数据,通过自适应神经模糊推理系统来进行监督学习;模型应用粒子群优化(PSO)算法对ANFIS参数训练以达到最优预测效果;最后通过实际分布式风电机组的运行数据对所提出的混合智能模型进行评估,实验结果证实了模型的有效性.

关键词：多时间尺度风功率预测、最小冗余最大相关滤波、特征选择、自适应模糊推理系统、粒子群优化算法

所属期刊栏目：36

分类号：TM61(发电、发电厂)

资助基金：浙江省自然科学基金重点项目LZ15E070001;国家电网有限公司科技项目SG-ZX2018-01

在线出版日期：2019-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：34-39