发明名称 |
一种基于深度神经网络的风电场功率预测方法 |
摘要 |
本发明公开了属于电力系统预测与控制技术领域的一种基于深度神经网络的风场功率预测方法。首先,获取实测风速、风向、气温、湿度及大气压强数据,采用投影寻踪进行主成分的提取,投影寻踪采用中位绝对偏差作为投影指标,能够有效排除与数据结构和特征无关的或关系很小的离群点的干扰,提取主成分比较稳定。采用深度神经网络模型,建立了风速、风向、湿度、温度和气压这五种影响因素与风场输出功率之间的预测模型。对风场功率进行预测,得到预测功率。本发明提高了风电场未来72小时预测功率的精度,为电网合理调度提供了依据,减轻了并网压力。 |
申请公布号 |
CN104077632A |
申请公布日期 |
2014.10.01 |
申请号 |
CN201410283817.4 |
申请日期 |
2014.06.23 |
申请人 |
华北电力大学 |
发明人 |
王震宇;李航;滕婧;王天宇 |
分类号 |
G06Q10/04(2012.01)I;G06Q50/06(2012.01)I |
主分类号 |
G06Q10/04(2012.01)I |
代理机构 |
北京众合诚成知识产权代理有限公司 11246 |
代理人 |
张文宝 |
主权项 |
一种基于深度神经网络的风场功率预测方法,其特征在于,所述风场功率预测方法包括下列步骤:步骤1:通过数值气象预报系统提供的天气预测值,并对获取的数据进行预处理;步骤2:采用投影寻踪对步骤1进行预处理数据的主成分提取,投影寻踪采用中位绝对偏差MAD作为投影指标,能够有效排除与数据结构和特征无关的或关系很小的离群点的干扰,提取主成分比较稳定;步骤3:采用深度神经网络模型,建立风速、风向、湿度、温度和气压这五种影响因素与风场输出功率之间的预测模型,其中深度神经网络模型隐含层的函数为Y=f(W<sub>i</sub>X);其中x为输入矩阵,w<sub>i</sub>为输入层到隐含层的权值;步骤4:采用投影寻踪结合深度神经网络技术预测功率。 |
地址 |
102206 北京市昌平区朱辛庄北农路2号 |