基于小波变换与IAGABP神经网络的短期风电功率预测
文档名：基于小波变换与IAGABP神经网络的短期风电功率预测
摘要：为提高风功率预测精度,减轻输出风能波动性对风电并网不利影响,提出了基于WT-IAGA-BP神经网络的短期风电功率预测方法.利用风速分区、3σ准则及拉格朗日插值法清洗风电场历史数据;其次,依据小波重构误差,选择db4小波分别提取风速、风向、历史风功率的不同频率特征信号,并引入改进自适应遗传算法(IAGA)对各序列BP神经网络的初始权值与阈值寻优,使用Sigmiod函数通过适应度值自适应改变交叉概率与变异概率;构建各序列的WT-IAGA-BP模型对短期风功率组合预测.通过仿真分析,并与ELM、IA-GA-BP、WT-ELM及WT-LSSVM方法对比,验证该方法具有更高的预测精度和更好的预测性能.
Abstract：Inordertoimprovetheaccuracyofwindpowerpredictionandreducetheadverseimpactofthefluctua-tionofoutputwindenergyonwindpowerintegration,ashort-termwindpowerpredictionmethodbasedonWT-IA-GA-BPneuralnetworkisproposedinthispaper.Firstly,datacleaningtechnologies,includingwindspeedparti-tion,3σcriterionandLagrangeinterpolationmethod,areappliedtoremoveabnormalvaluesfromthehistoricalda-taofwindfarm.Secondly,accordingtothewaveletreconstructionerror,db4wavelettransform(WT)isusedtoextractthedifferentfrequencycharacteristicsignalsofwindspeed,winddirectionandhistoricalwindpowerrespec-tively.Then,theimprovedadaptivegeneticalgorithm(IAGA)isintroducedtoobtaintheoptimizedvaluesforinitialweightsandthresholdsoftheBPneuralnetworkofeachsequence,andSigmoidfunctionisusedtoadaptivelychangethecrossoverprobabilityandmutationprobabilitythroughthefitnessvalue.Finally,theWT-IAGA-BPmodelofeachsequenceisconstructedtopredicttheshort-termwindpowercombination.AccordingtothesimulationanalysisandcomparisonwithotherpredictionmodelsincludingELM,IAGA-B,WT-ELMandWT-LSSVM,theobtainedresultssuggestthatthepresentedpredictionmodelhasbetterpredictionperformanceandhigherpredictionaccuracy.
作者：孙国良伊力哈木·亚尔买买提张宽吐松江·卡日李振恩邸强Author：SUNGuoliangYILIHAMU·YaermaimaitiZHANGKuanTUSONGJIANG·KariLIZhen'enDIQiang
作者单位：新疆大学电气工程学院电力系统及大型发电设备安全控制和仿真国家重点实验室风光储分室,乌鲁木齐830049
刊名：电测与仪表 ISTICPKU
Journal：ElectricalMeasurement&Instrumentation
年，卷(期)：2024, 61(5)
分类号：
关键词：风电功率预测数据清洗小波变换改进自适应遗传算法神经网络
Keywords：windpowerpredictiondatacleaningwavelettransformimprovedadaptivegeneticalgorithmneuralnetwork
机标分类号：TP391.1TM715TP216.1
在线出版日期：2024年5月27日
基金项目：国家自然科学基金，新疆维吾尔自治区高校科研计划项目，新疆大学博士启动基金项目基于小波变换与IAGA-BP神经网络的短期风电功率预测[
期刊论文]电测与仪表--2024, 61(5)孙国良伊力哈木·亚尔买买提张宽吐松江·卡日李振恩邸强为提高风功率预测精度,减轻输出风能波动性对风电并网不利影响,提出了基于WT-IAGA-BP神经网络的短期风电功率预测方法.利用风速分区、3σ准则及拉格朗日插值法清洗风电场历史数据;其次,依据小波重构误差,选择db4小波分别提...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于小波变换与IAGA-BP神经网络的短期风电功率预测Short-term prediction of wind power based on wavelet transform and I AG A-BP neural network
基于小波变换与IAGA-BP神经网络的短期风电功率预测.pdf
页:
[1]