• 设为首页
  • 加入收藏
  • 联系邮箱
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
  • English
站内检索    
 
文明,王志忠,郑岳怀,江辉,彭建春.基点气象相似聚合的短期风电功率预测方法[J].电测与仪表,2016,53(5):.
WEN Ming,WANG Zhi-zhong,ZHENG Yue-huai,JIANG Hui,PENG Jian-chun.Short-Term Wind Power Prediction Method Based on Similar Set of Basis Time Meteorology[J].Electrical Measurement & Instrumentation,2016,53(5):.
基点气象相似聚合的短期风电功率预测方法
Short-Term Wind Power Prediction Method Based on Similar Set of Basis Time Meteorology
DOI:
中文关键词:  风电功率预测  气象  相似聚合  灰色关联度  因子分析  径向基神经网络
英文关键词:Wind power prediction  meteorology  similar set  grey relational degree  factor analysis  RBFNN
基金项目:国家自然科学基金项目(面上项目,重点项目,重大项目)
              
作者中文名作者英文名单位
文明WEN Ming国家电网湖南省电力公司经济技术研究院
王志忠WANG Zhi-zhong深圳大学光电工程学院
郑岳怀ZHENG Yue-huai深圳大学光电工程学院
江辉JIANG Hui深圳大学光电工程学院
彭建春PENG Jian-chun深圳大学机电与控制工程学院
摘要点击次数: 2391
中文摘要:
      提出了一种基点气象相似聚合的短期风电功率预测方法。先以风电功率预测时间点(简称基点)的气象为核心对历史气象记录按灰色关联度进行相似聚合,以突出基点气象对应的风电功率变化规律。再对聚合中历史记录的气象因素按因子分析法降维、求取独立因素,以去除原始气象因素之间的相关性、降低因果关系的非线性度。然后基于径向基神经网络建立“独立因素-风电功率”的映射关系,从而实现风电功率预测。结合实例对本文方法进行了仿真。结果表明,本文方法预测得到的风电功率,其准确度比基于主成分的径向基神经网络方法的高、比径向基神经网络方法的更高。
英文摘要:
      A short-term wind power prediction method based on similar set of basis time meteorologyis proposed in this paper. Firstly, the historical meteorological records are selected into a set (here called similar set) by grey relational degree, to obviously expose wind power varying law around the basis time. Then the meteorological factors of historical records in the similar set are reduced in dimension by factor analysis method that produces independent factors, this process eliminates correlation between primary meteorological factors and decreases relation nonlinearity between cause and effect. At last, the mapping function from independent factors to wind power is built based on radial basis function neural network (RBFNN) to realize the prediction of wind power. The proposed method is tested by an actual wind farm. Testing results show: the accuracy of wind power predicted by the proposed method is higher than that by the principal-component-based RBFNN method, and much higher than that by the RBFNN method.
查看全文  查看/发表评论  下载PDF阅读器
关闭
  • 哈尔滨电工仪表研究所有限公司
  • 中国电工仪器仪表信息网
  • 中国仪器仪表学会
  • 中华人民共和国新闻出版总署
  • 中国科技期刊编辑学会
  • 黑龙江省科学技术协会
  • 编辑之家
  • 中国知网
  • 万方数据库
  • 维普网
  • 北极星电力网
  • 中华中控网
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
地址:哈尔滨市松北区创新路2000号    邮编:150028
邮箱:dcyb@vip.163.com    电话:0451-86611021;87186023
© 2012 电测与仪表    哈公网监备2301003445号
黑ICP备11006624号-1
技术支持:北京勤云科技发展有限公司