基于卡爾曼濾波算法的風速序列預測方法.pdf

1、風能是一種無污染的可再生能源，具有很高的開發(fā)利用價值，目前主要的應用形式是風力發(fā)電。但是由于風的隨機性和間歇性，導致風電并網(wǎng)成為風力發(fā)電的主要難題。有效的風速預測能夠幫助電網(wǎng)進行及時調度，解決風電并網(wǎng)難的問題。傳統(tǒng)的短期風速預測方法由于預測精度低，不能滿足實際要求。
　　在經(jīng)典的風速預測方法中，卡爾曼濾波算法是一種高效的遞推濾波算法，不但具有預測功能，還有融合作用，但是卡爾曼濾波算法具有狀態(tài)方程難建立、噪聲方差選取等問題。因此，本

2、文提出一種卡爾曼濾波融合方法，該方法利用ARMA模型建立卡爾曼濾波算法的狀態(tài)方程，融合了BP神經(jīng)網(wǎng)絡模型的預測結果，并將這兩種模型在建模過程中產(chǎn)生的誤差方差分別作為卡爾曼濾波算法的過程噪聲方差和觀測噪聲方差，取代了用高斯白噪聲代替系統(tǒng)中噪聲統(tǒng)計特性的方法，提高了模型的精度，最后通過卡爾曼濾波的遞推計算得到未來風速的最優(yōu)估計值，從而實現(xiàn)風速序列預測。
　　仿真實驗結果表明，卡爾曼濾波融合預測方法能夠有效改善風速序列的預測性能。與基本