-
题名基于ASD-KDE算法的超短期风电出力区间预测
- 1
-
-
作者
张坤
马培华
崔志强
田星
齐彩娟
郭宁
-
机构
国网宁夏电力有限公司经济技术研究院
河北省仪器仪表工程技术研究中心
-
出处
《宁夏电力》
2018年第4期14-20,49,共8页
-
文摘
为提高含风电场电网经济调度能力并降低电力系统规划决策的保守性,提出了基于原子稀疏分解-核密度(atom sparse decomposition-kernel density estimation, ASD-KDE)算法的超短期风电出力区间预测模型。该模型应用ASD计算出较为精确的点预测值,并采用粒子群优化正交匹配追踪算法提高原子分解过程的预测实时性。同时针对风电序列不同区域所具有的线性及非平稳特性,构建了衰减线性原子库及Gabor原子库,以期达到自适应分解的效果。再通过对原子分量和残余分量分别进行自预测和BP(back propagation)神经网络预测,获得点预测值。在此基础上,通过对历史风电数据不同区间的划分,构建一维核密度估计模型,逐步滚动获取预测值的置信区间,从而降低了环境变化对预测结果的影响。实际风电场算例验证了所提方法的自适应性、快速性及有效性。
-
关键词
风电预测
原子稀疏分解
BP神经网络
一维核密度估计
置信区间
-
Keywords
wind power prediction
atomic sparse decomposition
BP network
one - dimensional kernel density estimation
confidence interval
-
分类号
TM715
[电气工程—电力系统及自动化]
-
