基于最优输入径向基网络风电功率预测方法.pdfVIP

第 29卷第 4期 · 电 力 科 学 与 技 术 学 报 V01．29NO．4 2014年 12月 JOURNAL OFELECTRIC POWER SCIENCEAND TECHNOLOGY Dee．2014 基于最优输入径向基网络的风 电功率预测方法 赵宏伟 ，王媛媛 ，曾 瑛 ’颜少凌 (1．广州供电局 电力调度控制 中心，广东 广州 510620；2．长沙理工大学 电力系统安全运行与控制湖南省高校重点实验室， 湖南 长沙 410004；3．娄底供电公司，湖南 娄底 417000；4．福建中闽能源投资有限责任公司，福建 福州 350003) 摘 要 ：随着风电的大规模接入电网，对风电功率未来出力的把握显得尤为重要，而风电功率预测技术则是掌握 出力特性的有力工具。基于实测历史数据，研究系统不同输入量对预测结果误差的影响，选取最佳输入量值；并在 此基础上 ，构建基于 RBF(径 向基)神经网络 的风 电功率预测模型，对风 电功率进行有效预测 ；预测结果表 明，基于 径向基神经网络的预测方法预测精度较高，可以为电网提供更加准确的风 电预测出力信息，有助于为调度制定更 加合理有效的计划 。 关 键 词 ：风电功率预测；人工智能法；RBF神经网络；调度计划 中图分类号 ：TM71 文献标识码 ：A 文章编号 ：1673—9140(2014)04—0060—05 A windpowerpredictionmethodbasedonRBFneuralnetwork with optim alinput ZHAO Hong—wei，W ANG Yuan—yuan ，ZENG Ying。，YAN Shao—ling (1．Dispatching＆ ControlCenter。GuangzhouPowerSupplyBureau，Guangzhou510620，China；2．HunanProvinceHigher EducationKeyLaboratoryofPowerSystem SafetyOperationandControl，ChangshaUniversityofScienceandTechnology， Changsha410004，China；3．LoudiElectricPowerCorporation，Loudi417000，China；4．FuiianZhongminEnergy InvestmentCo．Ltd．，Fuzhou350003，China) Abstract：W ithlarge—scaleintegrationofwindpowerinpowergrids，itisofgreatimportanceto graspthecharacteristicsoffuturewindpoweroutput．W indpowerforecastingisausefultoolto investigatethecharacteristics．Basedonthehistoricaldata，thispaperinvestigated theinfluence ofdifferentsystem inputon thepredictingerrorinorderto getthebestinputValues，andthen constructedawindpowerpredictionmodelbasedonRBF (radialbasisfunction)neuralnetwork． ThepredictionresultsshowedthatthewindpowerforecastingmethodbasedontheRBF neural networkhadhighprecision．Theresultscanprovidemoreaccurateinformatio