风电功率预测问题数学建模全国一等奖0000.docxVIP

答卷编号：论文题目：风电功率预测问题指导教师：金海参赛学校：北京理工大学报名序号：1550证书邮寄地址：北京理工大学中关村校区徐厚宝（学校统一组织的请填写负责人）风电功率预测问题摘要：本文着力研究了风电功率的预测问题。根据相关要求，本文中我们分别利用ARMA模型、卡尔曼滤波预测模型和小波神经网络预测模型对该风电场的风电功率进行预测。通过对预测结果各项评价指标的综合分析，发现：小波神经网络预测模型的精确度最高；单台风电机组预测误差与总机组预测误差成正相关性；多个风电机组的汇聚会使得总体的预测误差减小。另外，从神经网络的训练过程中，我们发现突加扰动是阻碍风电功率实时预测精度进一步改善的主要因素，风电功率的预测精度不可能无限提高。对于问题一，我们分别建立了ARMA、卡尔曼滤波、小波神经网络三种预测模型对指定的发电机组的输出功率进行了预测，取得了较为理想的结果。ARMA模型的预测精确度为75.4%—79.3%，卡尔曼滤波模型的预测精确度为81.3%-95%，小波神经网络模型的预测精确度为92.1%—94.7%，故小波神经网络的预测效果最好。对于问题二，我们分析比较了三种模型下单台机组和多机组5月21日至6月6日的平均相对预测误差，得知风电机组的汇聚会使得总体的预测误差减小。针对问题三，我们在问题一小波神经网络模型的基础上建立了遗传神经网络模型。经过仿真，我们发现该模型能显著减小峰值误差，有