网络风电场短期风速分时预测模型.pdfVIP

第29卷第6期 电力自动化设备 V01．29No．6 2009年6月 Jun．2009@ 基于改进空间相关法和径向基神经网络的 风电场短期风速分时预测模型 李文良1，卫志农1，孙国强1，完整2，缪伟z (1．河海大学电气工程学院，江苏南京210098；2．芜湖供电公司，安徽芜湖241000) 摘要：空间相关法利用空间相关点风速数据之间的相似性和延时性进行风速预测，但在实际应用中存在数 据收集困难的问题。提出用空间平移法对空间相关法进行改进，通过减少空间相关点的数目，可有效地降 低数据收集难度。为了确定空间相关点风速与所需预测的风电场风速数据之间的非线性关系．采用径向基 (RBF)神经网络，建立了基于空间相关法的分时预测模型。该方法通过对风电场与空间相关点风速时间序 列之间的关联度分析．将未来预测时段分成若干个时段。在每个时段内分别选择关联度高的相关点的风速 数据．作为RBF神经网络的输入数据进行训练和预测。算例表明．该方法可提高风电场风速预测的预测精 度．减少了RBF神经网络的训练时间。 关键词：风速预测：空间相关法：分时预测；空间平移法：RBF神经网络 中图分类号：TM614 文献标识码：A 目前．关于风电场风速和功率预测的研究还无 场一千米到几十千米的几何半径内…。一般情况下． 法达到令人满意的程度．平均误差约为25％～40％。距离越短．该相关点与风电场的风速曲线之间的相 常用的风速预测方法有Cl-8]：持续法、卡尔曼滤波法、关度越高．但是所能提前预测的时间越短。 时间序列法、人工神经网络法、模糊逻辑法、专家系 1．2空间相关点风速曲线的关联性分析 统、小波分析理论、支持向量机、最近临有哪些信誉好的足球投注网站、蚁群优 由于风速的物理特性和地形的影响．空间相关 化等。但这些方法都只是将风电场的风速或功率时 点之间风速不可能完全相同．但它们的风速曲线往 间序列进行建模、预测．很少考虑到风的物理特性。 往表现出很强的相似性和延时性[引。图1为同一风 空间相关法【8．，o坝0从风的物理特性出发…】．运用几个 向上、不同的3个地点的风速曲线图。其中。点1、2 地点之间风速数据的窄间相关性进行风速预测。空 相距27 km。点2、3相距12km。 间相炎法在预测过程中不仅考虑风速数据在时间上 从图1中可见，曲线1、2、3有明显的相似性，且 的联系．还考虑r风速数据在空问上的联系．所以预 曲线l、2相对于曲线3在时问上有明显的超前性。 测效果较好．但其所需要的原始数据量也较大。 本文研究了风速时间曲线的空间相关性．针对 一 10 T 空间相关法在实际应厢中数据收集困难的问题．采 ， 暑 5 一 用空间平移法对空间相关法进行改进．降低数据收 ＼ 集难度。同时．在提出改进空间相关法的基础上．采 0 50 100 150 200 250 用RBF神经网络建立短期风速分时预测模型。该方 t／rain 法通过关联度分析．