基于模式识别的风电场风速和发电功率预测

被引:59
作者
吴兴华
周晖
黄梅
机构
[1] 北京交通大学电气工程学院
关键词
风力发电; 风速预测; 模式识别; 自适应模糊神经网络; 发电功率预测;
D O I
暂无
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
风电场风速预测对电力系统的交易计划和可靠运行起着非常重要的作用。根据风的形成机理、影响因素及变化规律,提出了一种基于模式识别技术选取风速样本,利用自适应模糊神经网络法(ANFIS)进行风速预测的方法,ANFIS利用混合学习算法训练网络的前件参数和结论参数,然后输入选取的风速样本于训练好的自适应模糊神经网络中进行风速预测。以美国夏威夷Maui岛1994年的风速数据为例,对上述方法进行验证,结果表明该方法具有一定的实用性。
引用
收藏
页码:27 / 32
页数:6
相关论文
共 13 条
[1]  
风力发电.[M].王承煦;张源主编;.中国电力出版社.2003,
[2]  
基于MATLAB的系统分析与设计.[M].楼顺天等编著;.西安电子科技大学出版社.2001,
[3]  
模式识别.[M].边肇祺等编著;.清华大学出版社.2000,
[4]  
风.[M].陆同文;田宜泉 编.民族出版社.1985,
[5]   Short-term forecasting of wind speed and related electrical power [J].
Alexiadis, MC ;
Dikopoulos, PS ;
Sahsamanoglou, HS ;
Manousaridis, IM .
SOLAR ENERGY, 1998, 63 (01) :61-68
[6]   风电场短期风速预测探讨 [J].
吴国旸 ;
肖洋 ;
翁莎莎 .
吉林电力, 2005, (06) :21-24
[7]   基于径向基神经网络和自适应神经模糊系统的电力短期负荷预测方法 [J].
雷绍兰 ;
孙才新 ;
周湶 ;
张晓星 ;
程其云 .
中国电机工程学报, 2005, (22) :81-85
[8]   风电场风速和发电功率预测研究 [J].
杨秀媛 ;
肖洋 ;
陈树勇 .
中国电机工程学报, 2005, (11) :1-5
[9]   我国风力发电现状和展望 [J].
王晓蓉 ;
王伟胜 ;
戴慧珠 .
中国电力, 2004, (01) :85-88
[10]   风力发电的发展及其市场前景 [J].
杨秀媛 ;
梁贵书 .
电网技术, 2003, (07) :78-79