风电场风速预测模型探究
摘要:本文介绍了两种风电场风速预测的模型,分别是
BP 神经网络模型和小波-
BP 神经网络组合模型。BP 神经网络模型是风速预测中常用的模型之一,小波技术和 BP
神经网络结合,即为组合模型。小波技术将风速时间序列按时间和频率两个方向展开,
体现了各成分对预测值贡献率的不同。将
BP 神经网络模型和小波-BP 神经网络组合模型
分别应用到我国朱日和风电场的逐时风速预测中,从预测结果对比二者,可以得出组合
模型更适合该风电场的逐时风速的预测。
关键词:风电场;风速;预测模型;
BP 神经网络;小波
1 引言
我国的风能资源非常丰富,风能资源在我国能源结构中占有重要的地位。作为一种
清洁的可再生能源,近年来风能资源正得到广泛地开发和利用。
21 世纪,人类对能源需
求空前高涨,尤其是我国,人口众多,电力需求很大,大力发展风电技术具有极其重要
的意义。
风速是风能资源计算评估的关键内容,准确的预测风速对风电场和电力系统的运行
管理具有重要意义。预测风速的模型众多,除数值天气预报模式等复杂的数学物理模式
预测方法外,常见的统计预测方法主要有持续预测法、时间序列预测法、人工神经网络法
等[
1][2]。其中,持续预测法是最简单、最传统的预测方法,常作为其他预测方法的
比较基准。时间序列预测法是一种历史资料的延伸预测法,常用的模型有:自回归
(
AR)模型、滑动平均(MA)模型、自回归滑动平均(ARMA)模型、自回归滑动平均
求和(
ARIMA)模型等。在目前的人工神经网络中,应用较多的是 BP(Back
Propagation)神经网络,随着 BP 神经网络技术的不断发展,该技术在风速预测中的优
势和潜力已逐渐显现。
本文主要研究
BP 神经网络模型在风速预测中的应用,先建立单纯的 BP 神经网络
模型,再建立基于小波技术的
BP 神经网络模型,并对二者进行了对比分析。