【摘要】：風電功率預測能為電網(wǎng)規(guī)劃和運行提供重要依據(jù),傳統(tǒng)預測方法多為點預測,其結果一般有不同程度的誤差,區(qū)間預測方法能有效描述風電輸出功率的不確定性因而逐步受到重視。針對短期風電功率概率區(qū)間預測問題,提出一種基于粒子群優(yōu)化的核極限學習機(PSO-KELM)模型,用于風電功率區(qū)間預測。通過核極限學習機(KELM)建立預測模型,采用粒子群算法對KELM的輸出權值進行優(yōu)化,尋找最優(yōu)預測區(qū)間上下限,充分利用了KELM學習速度快、泛化能力強的優(yōu)點,實現(xiàn)了對風電功率的快速區(qū)間預測。通過與PSO-ELM模型對比分析風電場在不同置信水平下的概率預測結果,發(fā)現(xiàn)PSO-KELM模型的預測精度更高,速度更快,能夠為風電功率區(qū)間預測及風電并網(wǎng)安全穩(wěn)定運行提供決策支持。
【作者單位】： 華北電力大學;
【基金】：國家自然科學基金(51207049) 北京市自然科學基金(4132061) 中央高�；究蒲袠I(yè)務費專項基金(13MS25)~~
【分類號】：TM614

【參考文獻】

相關期刊論文 前9條

1 王彩霞;魯宗相;喬穎;閔勇;周雙喜;;基于非參數(shù)回歸模型的短期風電功率預測[J];電力系統(tǒng)自動化;2010年16期

2 李智;韓學山;楊明;鐘世民;;基于分位點回歸的風電功率波動區(qū)間分析[J];電力系統(tǒng)自動化;2011年03期

3 王曉蘭;王明偉;;基于小波分解和最小二乘支持向量機的短期風速預測[J];電網(wǎng)技術;2010年01期

4 李俊芳;張步涵;謝光龍;李妍;毛承雄;;基于灰色模型的風速-風電功率預測研究[J];電力系統(tǒng)保護與控制;2010年19期

5 張翌暉;王賀;胡志堅;王凱;黃東山;寧文輝;張承學;;基于集合經(jīng)驗模態(tài)分解和改進極限學習機的短期風速組合預測研究[J];電力系統(tǒng)保護與控制;2014年10期

6 孫建波;吳小珊;張步涵;;基于非參數(shù)核密度估計的風電功率區(qū)間預測[J];水電能源科學;2013年09期

7 楊秀媛,肖洋,陳樹勇;風電場風速和發(fā)電功率預測研究[J];中國電機工程學報;2005年11期

8 范高鋒;王偉勝;劉純;戴慧珠;;基于人工神經(jīng)網(wǎng)絡的風電功率預測[J];中國電機工程學報;2008年34期

9 章國勇;伍永剛;張洋;代賢良;;一種風電功率混沌時間序列概率區(qū)間簡易預測模型[J];物理學報;2014年13期

【共引文獻】

相關期刊論文 前10條

1 儲茂得;周松林;;基于小波分析與神經(jīng)網(wǎng)絡的風電場短期風速預測[J];安徽科技學院學報;2011年01期

2 王慧勤;;基于支持向量機的短期風速預測研究[J];寶雞文理學院學報(自然科學版);2009年01期

3 嚴干貴;李鴻博;穆鋼;崔楊;劉玉;;基于等效風速的風電場等值建模[J];東北電力大學學報;2011年03期

4 劉金龍;李國慶;王振浩;辛業(yè)春;;超級電容器儲能系統(tǒng)在風電場中的應用研究[J];東北電力大學學報;2011年04期

5 江岳文;陳沖;溫步瀛;;基于隨機模擬粒子群算法的含風電場電力系統(tǒng)經(jīng)濟調度[J];電工電能新技術;2007年03期

6 陳德生;李培強;李欣然;鄧威;肖園園;劉乾勇;;基于小波變換的短期風速預測綜合模型[J];電工電能新技術;2012年03期

7 潘文霞;范永威;朱莉;高阿龍;;風電場中抽水蓄能系統(tǒng)容量的優(yōu)化選擇[J];電工技術學報;2008年03期

8 冬雷;王麗婕;高爽;廖曉鐘;;基于混沌時間序列的大型風電場發(fā)電功率預測建模與研究[J];電工技術學報;2008年12期

9 江岳文;陳沖;溫步瀛;;含風電場的電力系統(tǒng)機組組合問題隨機模擬粒子群算法[J];電工技術學報;2009年06期

10 劉興杰;米增強;楊奇遜;樊小偉;;一種基于EMD的短期風速多步預測方法[J];電工技術學報;2010年04期

相關會議論文 前10條

1 王增新;蘇適;田沛;;光伏發(fā)電預測技術的應用[A];2011年云南電力技術論壇論文集（入選部分）[C];2011年

2 朱鋒;周瑋;孫輝;;基于相似日聚類的徑向基神經(jīng)網(wǎng)絡風速預測方法[A];中國可再生能源學會海洋能專業(yè)委員會成立大會暨第一屆學術討論會論文集[C];2008年

3 邵t，

本文編號：2530976