基于GA-BP和RBF的风力发电时间序列混沌预测组合模型

摘要：

针对单一模型难以对具有不确定性和随机性等特点的风电功率数据实现精确预测,该文提出基于GA-BP和RBF的风力发电时间序列混沌特性组合预测模型.组合预测模型对原始风电功率数据进行混沌特性判定,使用基于嵌入窗法的C-C求解法对数据进行相空间重构,得到输入数据集.并且,该组合预测模型基于皮尔逊相关系数和模型的不同预测能力,实时更新各模型的权重,提高模型的综合预测能力.实际风电场数据验证表明,组合预测模型对风电功率预测的皮尔逊相关系数为0.985,证明了此组合模型在提升风电预测精度方面具有优越性.

关键词：风电功率预测、混沌时间序列、BP神经网络、RBF神经网络、皮尔逊相关系数

所属期刊栏目：38

分类号：TM614(发电、发电厂)

资助基金：国家自然科学基金;陕西省重点研发计划

在线出版日期：2022-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：117-125