近年来,风力发电装机规模在全球范围内迅速增长。风力发电功率取决于风速及其所携带的能量,而风速是一个不断变化的随机变量。为了使风电场高效有序运行,减少因波动性、随机性对电网的冲击,降低弃风限电率,准确的短期风功率预测是必不...近年来,风力发电装机规模在全球范围内迅速增长。风力发电功率取决于风速及其所携带的能量,而风速是一个不断变化的随机变量。为了使风电场高效有序运行,减少因波动性、随机性对电网的冲击,降低弃风限电率,准确的短期风功率预测是必不可少的。基于灰狼优化算法(Grey Wolf Optimizer,GWO)-反向传播(Back Propagation,BP)神经网络模型预测风电场风功率,结果表明,它对短期风力发电的预测准确可靠。应用的GWO-BP模型所得结果与标准BP模型和遗传算法优化的BP模型进行比较,证明此模型预测精度更高。展开更多
文摘近年来,风力发电装机规模在全球范围内迅速增长。风力发电功率取决于风速及其所携带的能量,而风速是一个不断变化的随机变量。为了使风电场高效有序运行,减少因波动性、随机性对电网的冲击,降低弃风限电率,准确的短期风功率预测是必不可少的。基于灰狼优化算法(Grey Wolf Optimizer,GWO)-反向传播(Back Propagation,BP)神经网络模型预测风电场风功率,结果表明,它对短期风力发电的预测准确可靠。应用的GWO-BP模型所得结果与标准BP模型和遗传算法优化的BP模型进行比较,证明此模型预测精度更高。
