基于小波阀值降噪和bp神经网络的超短期风电-环境工程技术学报.pdfVIP

第３３卷 第６期 世界科技研究与发展 Ｖｏｌ．３３ Ｎｏ．６ 　 　 ２０１１年１２月 １００６－１０１０页 ＷＯＲＬＤＳＣＩＴＥＣＨＲ＆Ｄ Ｄｅｃ．２０１１ ｐｐ．１００６－１０１０ 基于小波阀值降噪和ＢＰ神经网络的超短期风电功率预测  刘新东 　陈焕远　佘彩绮 （暨南大学电气信息学院，珠海５１９０７０） 摘　要：针对超短期风电功率预测问题，考虑了风电场复杂的噪声背景和风电功率的波动性，提出了一种基于小波阀值降噪—ＢＰ 神经网络的超短期风电功率预测方法。该方法采用近似对称光滑的紧支撑双正交小波ｄｂ４（Ｄａｕｂｅｃｈｉｅｓ函数）作为小波基，通过多 分辨分析的Ｍａｌｌａｔ算法对历史时序风电功率数据进行３尺度分解。根据Ｄｏｎｏｈｏ阀值法对各层小波系数进行软阀值降噪处理，再 通过小波逆变换重构历史时序风电功率，由ＢＰ神经网络对其进行训练，预测目的风电功率序列。仿真算例将该方法与普通ＢＰ神 经网络方法进行了对比，比较结果证明其预测精度优于后者，具有很好鲁棒性和降噪性能，适用噪声复杂的风电场超短期风电功 率在线预测。 关键词：风电功率；超短期预测；小波分析；Ｄｏｎｏｈｏ阀值；ＢＰ神经网络 中图分类号：ＴＭ７４３　　　文献标识码：Ａ　　　 ＵｌｔｒａＳｈｏｒｔｔｅｒｍＷｉｎｄＰｏｗｅｒＦｏｒｅｃａｓｔｉｎｇＢａｓｅｄｏｎＷａｖｅｌｅｔＴｈｒｅｓｈｏｌｄ ＤｅｎｏｉｓｉｎｇａｎｄＢＰＮｅｕｒａｌＮｅｔｗｏｒｋ  ＬＩＵＸｉｎｄｏｎｇ 　ＣＨＥＮＨｕａｎｙｕａｎ　ＳＨＥＣａｉｑｉ （ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃａｌＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＪｉｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｚｈｕｈａｉ５１９０７０） Ａｂｓｔｒａｃｔ：Ｆｏｒｕｌｔｒａｓｈｏｒｔｔｅｒｍｗｉｎｄｐｏｗｅｒｆｏｒｅｃａｓｔｉｎｇｐｒｏｂｌｅｍ，ｃｏｎｓｉｄｅｒｉｎｇｔｈｅｃｏｍｐｌｅｘｎｏｉｓｅｂａｃｋｇｒｏｕｎｄｏｆｔｈｅｗｉｎｄｆａｒｍａｎｄｔｈｅｖｏｌａｔｉｌｉｔｙ ｏｆｗｉｎｄｐｏｗｅｒ，ａｍｅｔｈｏｄｂａｓｅｄｏｎＷａｖｅｌｅｔｔｈｒｅｓｈｏｌｄｄｅｎｏｉｓｉｎｇａｎｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅａｐｐｒｏｘｉｍａｔｅｓｙｍｍｅｔｒｙｓｍｏｏｔｈｃｏｍ ｐａｃｔｌｙｓｕｐｐｏｒｔｅｄｂｉｏｒｔｈｏｇｏｎａｌｗａｖｅｌｅｔｄｂ４（Ｄａｕｂｅｃｈｉｅｓｆｕｎｃｔｉｏｎ）ｉｓａｄｏｐｔｅｄａｓｔｈｅｗａｖｅｌｅｔｂａｓｅｓ．ＴｈｅｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎａｎａｌｙｓｉｓＭａｌｌａｔａｌｇｏ ｒｉｔｈｍｉｓｕｓｅｄｔｏｄｅｃｏｍｐｏｓｅｔｈｅｈｉｓｔｏｒｉｃａｌｔｉｍｅｓｅｒｉｅｓｗｉｎｄｐｏｗｅｒｄａｔａｔｏ３ｓｃａｌｅｓ．ＡｃｃｏｒｄｉｎｇｔｏｔｈｅＤｏｎｏｈｏｔｈｒｅｓｈｏｌｄ，ｔｈｅｎｏｉｓｅｏｆｅａｃｈｗａｖｅｌｅｔ ｃｏｅｆｆｉｃｉｅｎｔｉｓｒｅｄｕｃｅｄｂｙｓｏｆｔｔｈｒｅｓｈｏｌｄ．ＴｈｅｎｔｈｅｈｉｓｔｏｒｉｃａｌｔｉｍｅｓｅｒｉｅｓｗｉｎｄｐｏｗｅｒｉｓｒｅｃｏｎｓｔｒｕｃｔｅｄｂｙＷａｖｅｌｅｔｉｎｖｅｒｓｅｔｒａｎｓｆｏｒｍ．ＡｎｄｔｈｅＢＰ ｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｔｒａｉｎｅｄｔｏｆｏｒｅｃａｓｔｔｈｅｔａｒｇｅｔｗｉｎｄｐｏｗｅｒｓｅｑｕｅｎｃｅ．ＴｈｉｓｍｅｔｈｏｄａｎｄｔｈｅｃｏｍｍｏｎＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｒｅｃｏｎｔｒａｓｔｅｄｉｎｔｈｅ ｓｉｍｕｌａｔｉｏｎ．Ｔｈｅｃｏｍｐａｒａｔｉｖｅｒｅｓｕｌｔｓ