基于SST和神經網絡的風電功率預測.pdf

1、隨著全球能源的消耗短缺,作為新能源的風能進入人們的視線,這種儲備豐富、清潔環(huán)保的可再生資源越來越受到人們的重視。風力發(fā)電技術應運而生并逐漸走向成熟,風電發(fā)電功率的短期預測伴隨著風電技術的提高而日益增進,提高預測精度是現(xiàn)今階段面臨的首要問題。本文將采用同步擠壓小波變換(SST)和神經網絡結合的方法對風電功率進行預測。
　　我們借助于同步擠壓小波變換對風電功率時間序列進行伸縮變換,實現(xiàn)其初步信號的去噪、銳化處理,提高信號時頻曲線頻率精

2、度,有效地識別結構的瞬時頻率。利用C-C法對功率信號進行相空間重構,估計時間序列的嵌入維數和時間延遲,利用小數據量法計算時間序列的最大Lyapunov指數,判定時間序列的混沌特性。分別引入徑向基函數神經網絡和回聲狀態(tài)神經網絡兩種風電功率預測模型,改進兩種預測模型,并對相重構后的風電時間序列進行預測。實驗顯示:經過SST方法處理過的風電功率信號,結合兩種神經網絡預測模型,預測效果有很大地改善,預測精度極大地提高。這表明了這種同步擠壓小波變