基于小波變换和神经网络的短期风电功率预测方法.docVIP

基于小波变换和神经网络的短期风电功率预测方法 该文提出一种小波变换和神经网络理论相结合的综合预测方法，将历史风电功率序列和历史风速序列分别进行小波单尺度分解，得到对应的概貌功率、细节功率和概貌风速、细节风速；然后用概貌功率和概貌风速序列训练BP 神经网络，预测未来的概貌功率；用细节功率和细节风速序列训练BP 神经网络，预测未来的细节功率。在此基础上，将概貌功率和细节功率叠加，得到最终预测结果。对我国某风电场的实际数据进行预测，验证了该方法的有效性和可行性。风电功率预测的主要方法有卡尔曼滤波法[3]、时间序列分析法[4-5]、人工神经网络法[6-7]、模糊逻辑法[8-9]、空间相关性法[8-9]，以及上方法的不同组合[10-14]。本文提出一种集小波多分辨率分解的神经网络理论于一体的短期风电功率预测方法，将风速作为影响因素基于风电功率的历史数据，直接建立风电功率的预测模型。其技术路线是：将风电功率进行小波分解，分解成细节部分和概貌部分，同时将风速序列也用小波分解成风速概貌序列和风速细节的序列。由于分解后的风速序列能够更好地反映与之相对应的风电功率分解序列的变化规律，所以将风电功率和风速的概貌序列输入到神经网络进行训练，建立风电功率概貌序列的预测模型。同理，再建立风电功率细节序列的预测模型。将两个模型的预测结果重构，得到最终的风电功率预测结果。 1 小波多分辨率分析 多分辨率分析就是从