基于ARMA误差修正的LM-BP模型的风功率预测

摘要：

风的间歇性和波动性导致训练样本的多样性,为提高短期风电功率预测精度,保证电网正常运行以及电能质量,对风功率进行建模预测尤为紧迫.针对上述问题,首先对原始数据进行预处理将非正常数据剔除.其次,运用Levenberg-Marquardt(LM)改进的牛顿算法优化反向传播(BP)神经网络(LM-BP)构建预测模型,并与传统的前馈BP神经网络进行比较,仿真结果表明,提出的基于LM-BP的预测模型相比单一的BP模型更加接近实际功率值,性能更优.最后,针对LM-BP模型的预测误差建立自回归滑动平均(AR-MA)模型来修正负荷预测结果,结果表明误差修正后预测精度明显提高.

关键词：风功率预测、Levenberg-Marquardt(LM)、反向传播(BP)神经网络、自回归滑动平均(ARMA)误差修正

所属期刊栏目：29

资助基金：河北省科技计划16214510D,17214304D;石家庄科技局重点研发181060481A

在线出版日期：2019-06-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：487-493