基于arima与双层bp神经网络相结合的风电功率预测方法 a hybrid wind power prediction approach based on arima and double bp neural network.pdfVIP

置 一 第28卷第12期 电力科学与工程 VoL28．No．12 50 ElectricPowerScience 2012年12月 and Dec．．2012 Engineering 基于ARIMA与双层BP神经网络相结合的风电 功率预测方法 薛 翔1，赵冬梅1，王金奕2，张佳军1 (1．华北电力大学电气与电子工程学院，北京102206；2．华北电力大学控制与计算机工程学院，北京102206) 摘要：为满足风电运行、维护及调度管理需要，提高风电功率预测精度，提出了一种基于ARIMA与BP 神经网络的组合风电功率预测方法。介绍了时间序列法与BP神经网络法的基本原理，采用了新的结合 方式，综合考虑了风速、风向、以及风电场当地的物理限制，建立了预测模型。通过对某风电场的实测 数据进行分析预测及对比，结果表明，该方法能有效提高风电功率预测精度，具有较好的实际应用价值。 关键词：风功率；时间序列；神经网络；预测 中图分类号：TM614文献标识码：A 层前馈网络，是到目前为止使用最多和最为成熟 0 引言 的一种神经网络，理论上3层网络就可以逼近任 何非线性函数。6j。 作为可再生能源中的重要组成部分，风力发 如今，组合预测模型取得了长足的发展。预 电近年来发展迅速。由于风电场输出功率具有波 测的方法各有优势，而适当的组合可以获得更好 动性和间歇性，风电并网给电力系统带来了巨大 的效果。。8。本文提出了一种基于ARIMA与BP 的挑战。随着风力发电的大规模接人，精确的风 神经网络的组合风电功率预测方法，使用了长自 功率预测成为面对诸如电力系统安全稳定、电能 回归法对风速及风向序列进行深度挖掘，并估计 质量、经济调控等问题的有效途径。因此对风电 出对应的ARIMA模型，建立双层BP神经网络结 构，以ARIMA模型确定的相关过去影响项为初始 功率预测的研究是非常重要的¨。。 训练输入，风速输出及风向输出为中间点，以实 目前已有大量方法应用于风电功率预测之中。 际风功率为最终输出，通过实测数据进行预测分 大致分为以下3种：物理模型、统计类模型和学 析并与文献[9]组合预测方法进行对比，结果 习模型。这些方法。2“j的经典代表有：NWP，时 表明，该方法有效提高了风电功率预测精度，具 间序列法及神经网络法等。 有较好的实际应用价值。 时间序列法是统计类模型的经典代表之一， 主要是指采用参数模型对所观测到的有序的随机 1 基本方法 数据进行分析与处理的一种数据处理方法”。。其 特色在于采用参数模型同系统分析直接地、紧密 1．1 基于长自回归法的ARIMA模型 地结合，在分析描述系统的基础之上提取对应关 对于一随机不平稳时问序列x(t)，其ARI— 系，对未来趋向进行预测。而对于抽取和逼近非 MA(P，d，g)模型【10。表述如下： 线性函数，作为学习模型经典代表之一的神经网 P