本文關(guān)鍵詞：卡爾曼小波神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測　出處：《電力系統(tǒng)及其自動化學(xué)報》2015年12期 　論文類型：期刊論文

  更多相關(guān)文章： 卡爾曼 濾波 小波神經(jīng)網(wǎng)絡(luò) 風(fēng)速預(yù)測

【摘要】：風(fēng)速變化的隨機性使得風(fēng)電并網(wǎng)成為當(dāng)今制約風(fēng)電發(fā)展的瓶頸問題。如能預(yù)測風(fēng)速,并提高風(fēng)速預(yù)測精度,能夠有助于調(diào)度部門對風(fēng)電場積極進行規(guī)劃和調(diào)度,減輕風(fēng)電并網(wǎng)對電力系統(tǒng)產(chǎn)生的不利影響。用卡爾曼濾波算法建立數(shù)據(jù)濾波模型,對原始風(fēng)速數(shù)據(jù)進行一級處理,去除測量誤差和系統(tǒng)誤差;再用改進的BP小波神經(jīng)網(wǎng)絡(luò)建立風(fēng)速預(yù)測仿真模型;利用卡爾曼濾波后的風(fēng)速數(shù)據(jù)進行風(fēng)速預(yù)測,預(yù)測結(jié)果與BP神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測方法的預(yù)測結(jié)果對比。對比結(jié)果表明該算法預(yù)測精度高,說明該算法在處理非平穩(wěn)隨機數(shù)據(jù)方面具有較好的應(yīng)用前景。
[Abstract]:The randomness of wind speed change makes wind power grid connection become the bottleneck of wind power development. If wind speed can be predicted and the precision of wind speed prediction can be improved, it can be helpful for dispatching department to plan and dispatch wind farm actively. In order to reduce the adverse effect of wind power grid connection on power system, the Kalman filter algorithm is used to establish the data filtering model, and the original wind speed data are processed in a primary way to remove the measurement error and system error. Then an improved BP wavelet neural network is used to establish the simulation model of wind speed prediction. Using Kalman filter wind speed data to predict the wind speed, the prediction results are compared with the BP neural network wind speed prediction method. The comparison results show that the algorithm has high prediction accuracy. It shows that the algorithm has a good application prospect in dealing with non-stationary random data.
【作者單位】： 上海電機學(xué)院電氣工程學(xué)院;
【基金】：上海市教育委員會科研創(chuàng)新重點資助項目(12ZZ197);上海市教育委員會重點學(xué)科資助項目(J51901) 上海市自然科學(xué)基金資助項目(12ZR1411600) 上海市區(qū)科委技術(shù)創(chuàng)新資助項目(2011MH065/2011MH089/2011MH097/2011MH099)
【分類號】：TM614
【正文快照】： 隨著風(fēng)電產(chǎn)業(yè)的迅速發(fā)展,以及風(fēng)電并網(wǎng)技術(shù)的日益成熟,風(fēng)電并網(wǎng)比例不斷擴大。然而風(fēng)的間歇性、隨機性、波動性給風(fēng)電并網(wǎng)帶來了很多技術(shù)難題。如果能對風(fēng)電場的風(fēng)速進行準(zhǔn)確的預(yù)測,就能夠減少電力系統(tǒng)的無效運行成本,減輕風(fēng)電并網(wǎng)時對電力系統(tǒng)的不利影響,提高風(fēng)電在新能源發(fā)

【共引文獻】

相關(guān)期刊論文 前2條

1 洪晟;尉麒棟;;基于WNN的鋰電池循環(huán)壽命預(yù)測[J];計算機測量與控制;2013年08期

2 徐安英;陳偉;葛生聯(lián);魯二斌;;基于小波神經(jīng)網(wǎng)絡(luò)的軍用物資消耗量預(yù)測模型[J];物流技術(shù);2014年01期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 姚智勝;邵春福;高永亮;;基于支持向量回歸機的交通狀態(tài)短時預(yù)測方法研究[J];北京交通大學(xué)學(xué)報;2006年03期

2 王正武,黃中祥;短時交通流預(yù)測模型的分析與評價[J];系統(tǒng)工程;2003年06期

3 夏冰,董菁,張佐;周相似特性下的交通流預(yù)測模型研究[J];公路交通科技;2003年02期

4 劉靜,關(guān)偉;交通流預(yù)測方法綜述[J];公路交通科技;2004年03期

5 徐啟華;楊瑞;;支持向量機在交通流量實時預(yù)測中的應(yīng)用[J];公路交通科技;2005年12期

6 張益;陳淑燕;王煒;;短時交通量時間序列智能復(fù)合預(yù)測方法概述[J];公路交通科技;2006年08期

7 楊兆升,張赫,李娟;逐步回歸法在無檢測器交叉口交通流量預(yù)測中的應(yīng)用[J];吉林工業(yè)大學(xué)學(xué)報(工學(xué)版);2002年04期

8 楊兆升;王媛;管青;;基于支持向量機方法的短時交通流量預(yù)測方法[J];吉林大學(xué)學(xué)報(工學(xué)版);2006年06期

9 張九躍;焦玉棟;;基于RBF神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測[J];山東交通學(xué)院學(xué)報;2008年03期

10 王瑋,蔡蓮紅;基于粗集理論的神經(jīng)網(wǎng)絡(luò)[J];計算機工程;2001年05期

【相似文獻】

相關(guān)期刊論文 前10條

1 黃永紅;徐勇;;基于小波神經(jīng)網(wǎng)絡(luò)的某邊坡預(yù)測研究[J];測繪工程;2012年02期

2 祖哲;畢貴紅;劉力;郝娟;;基于小波神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測模型研究[J];計算機技術(shù)與發(fā)展;2012年10期

3 霍禹同;;基于小波神經(jīng)網(wǎng)絡(luò)的電機自動控制研究[J];信息與電腦(理論版);2013年09期

4 江亞東,丁麗萍,夏克儉,李恪,陳因頎;基于小波神經(jīng)網(wǎng)絡(luò)的混沌模式提取[J];北京科技大學(xué)學(xué)報;2001年05期

5 陳農(nóng),賈區(qū)耀;用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)辨識動態(tài)實驗數(shù)據(jù)[J];飛行力學(xué);2001年01期

6 張增芳,陳瑞中,齊保謙,陸英北;基于小波神經(jīng)網(wǎng)絡(luò)的心電數(shù)據(jù)壓縮研究[J];廣西工學(xué)院學(xué)報;2002年01期

7 任少龍,鐘秋海,嚴(yán)承華;小波神經(jīng)網(wǎng)絡(luò)在裝備研制費預(yù)測與控制中的應(yīng)用[J];海軍工程大學(xué)學(xué)報;2002年05期

8 董杰,馬壯,吳云,李嘉林;遺傳小波神經(jīng)網(wǎng)絡(luò)在飛機加油管路設(shè)計中的應(yīng)用[J];機械科學(xué)與技術(shù);2002年S1期

9 趙學(xué)智,鄒春華,陳統(tǒng)堅,葉邦彥,彭永紅;小波神經(jīng)網(wǎng)絡(luò)的參數(shù)初始化研究[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2003年02期

10 楊春玲,楊茂華,胡艷,戴景民;小波神經(jīng)網(wǎng)絡(luò)在多波長輻射測溫中的應(yīng)用[J];計量學(xué)報;2003年04期

相關(guān)會議論文 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡(luò)的異步電機故障診斷[A];2009中國控制與決策會議論文集（2）[C];2009年

2 何正友;錢清泉;;一種改進小波神經(jīng)網(wǎng)絡(luò)模型在電力故障信號識別中的應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟下高技術(shù)制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡(luò)結(jié)合多項式的混合預(yù)測方法在通信規(guī)劃中的應(yīng)用[A];2011全國無線及移動通信學(xué)術(shù)大會論文集[C];2011年

5 謝建宏;張為公;;復(fù)合材料疲勞剩余壽命預(yù)測的動態(tài)小波神經(jīng)網(wǎng)絡(luò)方法[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測應(yīng)用研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡(luò)的高效學(xué)習(xí)算法及應(yīng)用研究[A];中南六省（區(qū)）自動化學(xué)會第24屆學(xué)術(shù)年會會議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡(luò)的軋機特性回歸[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進遺傳算法的小波神經(jīng)網(wǎng)絡(luò)[A];2007年中國智能自動化會議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經(jīng)網(wǎng)絡(luò)的模擬調(diào)制信號自動識別[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會議論文集（下冊）[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2006年

2 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運動控制應(yīng)用研究[D];大連海事大學(xué);2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡(luò)研究[D];湖南大學(xué);2003年

4 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實現(xiàn)雷達(dá)相關(guān)濾波的研究[D];大連海事大學(xué);2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡(luò)相關(guān)問題研究[D];陜西師范大學(xué);2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問題的研究[D];南京航空航天大學(xué);2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡(luò)理論的VOCR與HOCR技術(shù)研究[D];上海大學(xué);2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)管理研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張清華;小波神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及其應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2009年

2 王建雙;基于小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計與研究[D];哈爾濱理工大學(xué);2009年

3 張蓉暉;小波神經(jīng)網(wǎng)絡(luò)及其在模擬電路診斷中的應(yīng)用[D];華中科技大學(xué);2008年

4 吳曦;基于隨機小波神經(jīng)網(wǎng)絡(luò)的一類隨機過程的逼近[D];西北工業(yè)大學(xué);2001年

5 王勇;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷的研究[D];內(nèi)蒙古工業(yè)大學(xué);2006年

6 孫新強;基于小波神經(jīng)網(wǎng)絡(luò)的板料沖壓回彈研究[D];西南交通大學(xué);2015年

7 但立;基于小波神經(jīng)網(wǎng)絡(luò)的地面三維激光掃描點云數(shù)據(jù)的滑坡監(jiān)測研究[D];長安大學(xué);2015年

8 葛小川;基于小波神經(jīng)網(wǎng)絡(luò)的某坦克炮平衡與定位控制[D];南京理工大學(xué);2015年

9 蔡崇國;小波分析在大功率交流伺服系統(tǒng)中的應(yīng)用研究[D];南京理工大學(xué);2015年

10 盧金長;數(shù)據(jù)挖掘技術(shù)在上證指數(shù)預(yù)測中的應(yīng)用研究[D];云南財經(jīng)大學(xué);2015年

，

本文編號：1406892