基于动态神经网络的风电场输出功率预测 wind power forecasting based on dynamic neural networks.pdfVIP

第 36卷 第 11期 电 力 系 统 自 动 化 VO1．36 No．11 2012年 6月 10 日 AutomationofElectricPowerSystems June10，2012 基于动态神经网络的风 电场输出功率预测 刘瑞叶 ，黄 磊 。 (1．哈尔滨工业大学 电气工程及 自动化学院，黑龙江省 哈尔滨市 150001 2．中国科学 院广州 能源研究所 ，广东省广州市 510630) 摘要 ：随着风电的大规模发展 ，准确预测风 电场输出功率对于风电场的选址 、大规模并 网及运行具 有重要的作用。文中提 出了局部反馈时延神经网络和全局反馈 时延神经网络 2种动态神经网络预 测模型，以适应风功率的时间序列特性 ，并与静 态神经网络预测模型进行 了比较 。以国内北方某风 电场的风功率预测为例 ，结合气象预报数据进行提前24h的风 电输 出功率预测，仿真结果表 明，动 态神经网络在预测具有时间序列特性的风功率时效果优 于静态神经网络 。 关键词 ：风力发 电；风功率预测；神经网络 ；反馈 时延神经网络 ；时间序列 0 引言 预测系统 。文献[10]基于数值气象预报和 SCADA 系统实测数据 ，采用静态和动态神经网络并考虑空 风能已成为世界上增长最快的可再生能源 。虽 间相关性建立预测模型。国内进行基于数值气象预 然风 电并网能带来 巨大的环境和经济效益，但风速 报的风功率预测一般都采用 BP或 RBF神经网络 具有间歇性和随机性 ，风电的大规模并 网会给电力 建立预测模型 ，此类模型均未考虑风功率 的时间序 系统运行带来严峻的挑战。风速和风功率的准确预 列特性 ，且对于输入变量的选择讨论较少 ，一定程度 测正是解决上述问题的重要手段。 上降低 了模型的预测精度。 国外对风功率短期预测的研究已有 30多年的 为提高预测精度 ，本文采用动态神经网络来建 历史 ，并有多套预测系统作为商用I】]。而 国内对于 立提前 24h的风功率预测模型，分别为局部反馈时 风功率预测 的研究时间相对较短 ，特别是对于时间 延神经网络和全局反馈时延神经网络 。与传统的前 尺度在 24～72h的预测研究较少。文献[2]基于时 向网络不同，这 2种 网络模 型均考虑了风功率 的时 间序列法和神经网络法建立了提前一个观察时间段 间序列特性 ，相当于将前向神经 网络和 自回归移动 的风速预测模型 。文献 [3]建立了基于数值气象预 平均 (ARMA)模型结合起来 ，可 以更好地模拟风功 报的反向传播 (BP)神经网络模型 ，并对误差带进行 率预测 的动态过程。 了预测 以便更好地使用预测结果 。文献E4]建立了 提前 10min和 1h的反 向传播一人工神经网络 (BP— 1 预测模型的建立 ANN)风功率预测模型 ，并经系统误差修订和尾流 1．1