基于改进RBF网络的风电机组超短期风功率预测方法

摘要

本发明公开了一种基于改进RBF网络的风电机组超短期风功率预测方法，采用风电机组运行统计资料，合理选择对风功率输出有着密切影响的参数，如前一段时间的风速、风向、桨距角、风功率等物理量，使用人工神经网络——径向基函数网络(RBF)建立相关参数与风功率输出对应关系的模型；采用改进RBF网络方法对该模型进行修改，判断当前隐含层节点数是否满足精度要求，判断某个隐含层节点的输出在连续一段的学中是否均小于某一值，实时在线修改隐含层节点个数，随预测进行不断增加新的学样本，这种风功率预测方法精度高、速度快。

主权项

一种基于改进RBF网络的风电机组超短期风功率预测方法，其特征在于：采用风电机组运行数据通过改进RBF网络在线实时预测风电机组功率的方法，具体步骤为：步骤1，从风电场获取风电机组SCADA中储存的长时期历史数据，对相关数据进行预处理，包括缺失数据的补全、数据的归一化处理等；步骤2，采用径向基函数人工神经网络建立相关参数对风功率的预测模型，选取前v个时刻若干相关参数历史数据，对后u个时刻的风功率进行滚动预测；步骤3，采用RBF网络改进模型对预测模型进行修正，在精度要求的前提下，判断是否需要增减隐含层节点的个数，相应调整隐含层节点参数和权值，实现对网络的训练；步骤4，预测结果。