发明名称 |
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。 |
申请公布号 |
CN105787592A |
申请公布日期 |
2016.07.20 |
申请号 |
CN201610109989.9 |
申请日期 |
2016.02.26 |
申请人 |
河海大学 |
发明人 |
许昌;魏媛;李涛;蒋泽阳;雷鸣;赵青 |
分类号 |
G06Q10/04(2012.01)I;G06Q50/06(2012.01)I;G06N3/08(2006.01)I |
主分类号 |
G06Q10/04(2012.01)I |
代理机构 |
南京苏高专利商标事务所(普通合伙) 32204 |
代理人 |
柏尚春 |
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。 |
地址 |
210000 江苏省南京市江宁区佛城西路8号 |