基于高级神经网络模型的风电功率预测.docVIP

基于神经网络模型的风电功率预测 在本文中，一种基于循环高阶神经网络的高级模型被开发用来对风电站的功率输出情况进行预测。这种模型要优于简单进行不间断试验，也比其他一些相关文献里的传统方法要好。这种模型的构建能够通过运用一种新型算法进行自动最优化处理，这就代替了通常所采用的反复试验的方法。最后，文中提到了将这种开发中的模型在线应用于高级控制系统的最优化操作以及真正的独立风油混合动力系统的管理。 关键词：短期风电功率预测，循环神经网络，风混合动力系统。 引言 风能转化系统（WECS） 是以一种对发电尤其是对像岛屿或农村地区这样从整体到孤立的电力系统深具吸引力的替代品。虽然WESC 的一体化对环境与经济大有裨益，但是风力的不可控特性使得这些能源系统的最优化管理变得异常困难。 在能源系统控制管理中对高效率的风能预测进行整合可以降低操作费用，改善服务质量。 在这篇文章中，为风电的短期预测开发出了一种循环高阶神经网络模型。这种神经网络系统相较于保守方法的一个主要优点就是能够为衡量评估推导出快速学习算法，从而使它对在线应用来说是最合适的。 这一成熟的模型能够用来在数秒到数小时的时间范围内对风速或风电功率进行预测。不过，本文主要是关于对短期范围内独立能源系统的预测以及对WECS在接下来的两三个小时内功率输出情况以10分钟为一个时间步长进行的预测。 这篇文章框架结构如下：首先，现代科技