基于原子稀疏分解和混沌理论的风电功率超短期多步预测

论文摘要

为提升大规模风电场风电功率超短期预测精度,减少由风电功率大幅度波动对电力系统带来的不利影响,提出一种基于原子稀疏分解(Atomic Sparse Decomposition,ASD)和混沌理论的风电功率超短期多步预测模型.首先,利用ASD良好的序列趋势跟踪特性,将风电功率时间序列分解成多个原子趋势分量和一个残差随机分量;其次分别利用自适应预测法和混沌理论对两分量进行超短期预测;最后,将两分量的预测结果叠加,得到最终的风电功率预测结果.选取我国东北某区域风电功率数据为例,算例结果表明,相较于传统预测模型,本文的预测方法能够有效地提升大规模风电场风电功率超短期预测精度.

论文目录

• 0 引 言
• 1 原子稀疏分解
•   1.1 Gabor过完备原子库
•   1.2 衰减线性原子库
• 2 混沌预测
•   2.1 相空间重构
•   2.2 基于最大Lyapunov指数的混沌预测模型
• 3 ASD-混沌组合预测框架
• 4 算例分析
•   4.1 数据准备
•   4.2 评价指标
•     1) 日平均预测计划曲线合格率:
•     2) 全天预测结果均方根误差:
•   4.3 算例分析
• 5 结 论

文章来源

类型: 期刊论文

作者: 杨茂,刘慧宇,崔杨

关键词: 超短期风电功率预测,原子稀疏分解,混沌理论,预测精度,分频预测

来源: 昆明理工大学学报(自然科学版) 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 东北电力大学电气工程学院

基金: 国家重点研发计划项目(2018YFB0904200)

分类号: TM614

DOI: 10.16112/j.cnki.53-1223/n.2019.04.010

页码: 64-71

总页数: 8

文件大小: 2577K

下载量: 124