10.15913/j.cnki.kjycx.2015.19.004
基于深度学习网络的风电场功率短期预测研究
对风电功率进行有效预测能够减少风电接入对电网的不良影响,利于电网调度.以上海某风场为对象,基于深度学习网络建立了功率智能预测的模型,并对该模型的实用性进行探讨,以探究预测精度更高的功率预测方法.首先对数值天气预报(Numerical Weather Prediction,NWP)数据和风电场数据进行分析处理,然后基于深度学习网络建立数值天气预报数据的校正模型,并仿真该模型,将计算得到校正后的数值天气预报数据作为功率输出模型的输入参数,最后基于深度学习网络建立考虑风速、风向、温度、气压和历史功率的风机功率输出模型,并仿真该模型,预测24 h内各风机的有功输出情况.预测过程和结果显示,基于深度学习网络的智能功率预测模型能够提高短期功率预测的精度,且基于深度学习网络的数值天气预报校正能有效修正模型的输入误差.
风电场、数值天气预报、功率预测、深度学习网
TM614(发电、发电厂)
上海市教育委员会科研创新项目资助15ZZ106
2015-10-23(万方平台首次上网日期,不代表论文的发表时间)
共3页
4-6