基于MIV-PCA的超短期风电功率预测模型优化

论文摘要

为解决基于动态神经网络的超短期风电功率预测方法中预测模型输入变量多、模型复杂等问题,文中将平均影响值(MIV)和主元分析(PCA)方法相结合,对预测模型进行了优化。MIV方法表征了输入变量对输出的影响程度,可筛选出对预测输出具有最大影响的输入变量,简化预测模型,但变量的信息利用率不高。PCA法从剩余的输入变量中提取出主元,通过增加少量的主元变量提高信息利用率,弥补MIV方法的不足。数据分析及实验结果表明,通过MIV和PCA法优化的预测模型的输入变量能在获得较高的累计贡献率的同时降低模型复杂度,保留原系统的重要信息,并降低模型引入噪声的风险,使得风电功率预测精度得到显著提高。

论文目录

• 0 引言
• 1 风电功率预测原理
• 2 MIV-PCA模型优化原理
•   2.1 MIV变量筛选原理
•   2.2 PCA信息提取原理
• 3 基于MIV-PCA的风电功率预测方法
• 4 实验与分析
•   4.1 DNN预测实验
•   4.2 MIV-PCA优化模型预测实验
•   4.3 对照实验
•   4.4 定量分析与比较
• 5 结论
• 附录A

文章来源

类型: 期刊论文

作者: 徐龙博,王伟,丁煜函,张滔,汪少勇

关键词: 风电功率,超短期预测,平均值影响,主元分析,模型优化

来源: 电力工程技术 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 中国能源建设集团广东省电力设计研究院,南瑞集团有限公司,国电南瑞南京控制系统有限公司,江苏大学电气信息工程学院

基金: 国家重点研发计划资助项目(2018YFB0905000)

分类号: TM614

页码: 107-113+137

总页数: 8

文件大小: 1569K

下载量: 57