基于PF-RBF神经网络的短期风电功率预测 (2014年)

【文件属性】：
文件名称：基于PF-RBF神经网络的短期风电功率预测 (2014年)
文件大小：745KB
文件格式：PDF
更新时间：2021-06-14 15:32:51
工程技术 论文 为了提高风电功率的预测精度,研究了一种基于粒子滤波(PF)与径向基函数(RBF)神经网络相结合的风电功率预测方法。使用PF算法对历史风速数据进行滤波处理,将处理后的风速数据结合风向、温度的历史数据,归一化后构成风电功率预测摸型的新的输入数据;利用处理后的新的输入数据和输出数据,建立PF-RBF神经网络预测摸型,预测风电场的输出功率。仿真结果表明,使用该预测摸型进行风电功率预测,预测精度有一定的提高,连续 120 h功率预测的平均绝对百分误差达到8.04%,均方根误差达到 10.67%。