基于多嵌入维数的风力发电功率组合预测模型
DOI:
CSTR:
作者:
作者单位:

1. 北京理工大学
2. 北京理工大学自动化学院

作者简介:

王丽婕

通讯作者:

中图分类号:

TM614

基金项目:


Combined Prediction of Wind Power Generation in Multi-dimension Embedding Phase Space
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为了减小混沌系统的重构参数对预测结果的影响, 提出了基于多嵌入维数的风力发电功率组合预测模型.
    分别使用线性加权算法和神经网络算法对单一的基于相空间重构的神经网络模型进行组合, 既综合了各嵌入维数下的信息, 又将各维数下的预测偏差进行融合, 从而有效提高了预测精度. 通过对黑龙江富锦风电场的功率时间序列进行验证, 证实了该组合模型的有效性, 神经网络非线性组合算法的预测误差小于7%.

    Abstract:

    In order to diminish the effect of reconstructed parameters to prediction of chaotic system, a combined model for
    wind power prediction based on multi-dimension embedding is proposed. The combined model respectively makes use of linear weighted method and neural network method to achieve combination of several neural network models based on phase space reconstruction, which can synthesize information and fuse prediction deviation in different embedding dimensions, resulting in forecast accuracy improved. Simulation is performed to the real power time series from Fujin wind farm. The results show that the combined prediction model is effective, and the prediction error of neural network combination is less than 7%.

    参考文献
    相似文献
    引证文献
引用本文

王丽婕 冬雷 廖晓钟.基于多嵌入维数的风力发电功率组合预测模型[J].控制与决策,2010,25(4):577-580

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-04-09
  • 最后修改日期:2009-10-19
  • 录用日期:
  • 在线发布日期: 2010-04-20
  • 出版日期:
文章二维码