基于Adaboost的BP神经网络改进算法在短期风速预测中的应用

发布时间：2018-05-23 15:22

本文选题：风速预测 + Adaboost　；参考：《电网技术》2012年09期

【摘要】：进行较准确的风速预测对含大规模风电场的电力系统进行经济调度具有重要意义。针对目前神经网络法、时间序列法、卡尔曼滤波法等算法在短期风速预测上精度不高的缺陷,引入Adaboost算法对前馈(back propagation,BP)神经网络算法进行改进,提出了基于Adaboost的BP神经网络算法,并将该方法应用于短期风速预测。经算例分析,该算法在超前1 h和2 h的风速预测精度优于其他2种算法,且该算法在高风速段(10 m/s以上)平均绝对百分比误差低于7.5%,具有较高的工程应用价值。
[Abstract]:Accurate wind speed prediction is of great significance to the economic dispatch of power system with large scale wind farm. Aiming at the shortcomings of the current neural network method, time series method and Kalman filter algorithm in short term wind speed prediction, Adaboost algorithm is introduced to improve the BP neural network algorithm of feedforward propagation, and a BP neural network algorithm based on Adaboost is proposed. The method is applied to short-term wind speed prediction. The numerical examples show that the prediction accuracy of this algorithm is better than that of the other two algorithms in 1 h and 2 h, and the average absolute percentage error of the algorithm is lower than 7.5% in the high wind speed range (> 10 m / s), which has high engineering application value.
【作者单位】：强电磁工程与新技术国家重点实验室(华中科技大学);
【基金】：国家重点基础研究发展计划项目(973项目)(2010CB227206) 国家863高技术基金项目(2011AA05A101)~~
【分类号】：TM614

【参考文献】

相关期刊论文前10条

1 马静波,杨洪耕;自适应卡尔曼滤波在电力系统短期负荷预测中的应用[J];电网技术;2005年01期

2 吴俊;李国杰;孙元章;;基于随机规划的并网风电场最大注入功率计算[J];电网技术;2007年14期

3 潘迪夫;刘辉;李燕飞;;基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型[J];电网技术;2008年07期

4 曾杰;张华;;基于最小二乘支持向量机的风速预测模型[J];电网技术;2009年18期

5 陈淑燕,王炜,瞿高峰,张胜;交通量预测的神经网络集成方法[J];公路交通科技;2004年12期

6 肖永山;王维庆;霍晓萍;;基于神经网络的风电场风速时间序列预测研究[J];节能技术;2007年02期

7 高琳,高峰,管晓宏,周佃民;电力系统短期负荷预测的多神经网络Boosting集成模型[J];西安交通大学学报;2004年10期

8 邰能灵,侯志俭,李涛,蒋传文,宋炯;基于小波分析的电力系统短期负荷预测方法[J];中国电机工程学报;2003年01期

9 范高锋;王伟胜;刘纯;戴慧珠;;基于人工神经网络的风电功率预测[J];中国电机工程学报;2008年34期

10 张丽英;叶廷路;辛耀中;韩丰;范高锋;;大规模风电接入电网的相关问题及措施[J];中国电机工程学报;2010年25期

【共引文献】

相关期刊论文前10条

1 姜竹楠;刘峰;于文波;;基于小波包负荷特征提取和径向基网络的短期负荷预测新方法[J];电力科学与技术学报;2007年02期

2 周海;匡礼勇;程序;崔方;;测风塔在风能资源开发利用中的应用研究[J];水电自动化与大坝监测;2010年05期

3 刘瑜;韦琦;魏新劳;;基于盲源分离技术的电力用户负荷曲线估计[J];电工技术学报;2009年10期

4 胡国胜,任震;短期电力负荷非线性预测模型的比较[J];电气应用;2005年01期

5 万国成;王汉华;;最小二乘法在配网馈线年度负荷预测中的应用[J];电气应用;2008年09期

6 邹文;丁巧林;杨宏;张伟;;基于Mycielski算法的风电场风速预测[J];电力科学与工程;2011年03期

7 龙立波;姚建刚;李连结;钱卫华;;短期电力负荷预测中的数据处理技术[J];电力需求侧管理;2007年01期

8 黄永高;卢毅;;夏季日峰荷特性分析与预测[J];电力需求侧管理;2009年04期

9 康重庆,夏清,张伯明;电力系统负荷预测研究综述与发展方向的探讨[J];电力系统自动化;2004年17期

10 黄任可;罗谌持;张明;;基于粒子滤波器的大容量冲击负荷短期预测方法[J];电力系统自动化;2009年03期

相关期刊论文前10条

1 刘广军,吴晓平,郭晶;一种数值稳定的次优并行Sage自适应滤波器[J];测绘学报;2002年04期

2 王建赜,冉启文,纪延超,柳焯;谐波检测中小波变换频域特性分析[J];电力系统自动化;1998年07期

3 肖创英;汪宁渤;陟晶;丁坤;;甘肃酒泉风电出力特性分析[J];电力系统自动化;2010年17期

4 张昊,吴捷,郁滨;电力负荷的模糊预测方法[J];电力系统自动化;1997年12期

5 吴义纯,丁明;基于蒙特卡罗仿真的风力发电系统可靠性评价[J];电力自动化设备;2004年12期

6 丁明,张立军,吴义纯;基于时间序列分析的风电场风速预测模型[J];电力自动化设备;2005年08期

7 游仕洪;程浩忠;谢宏;;应用模糊线性回归模型预测中长期电力负荷[J];电力自动化设备;2006年03期

8 金群;李欣然;;遗传算法参数设置及其在负荷建模中应用[J];电力自动化设备;2006年05期

9 曹f ;张粒子;;结合系统调峰容量比确定抽水蓄能机组装机容量的方法[J];电力自动化设备;2007年06期

10 周佃民,管晓宏,孙婕,黄勇;基于神经网络的电力系统短期负荷预测研究[J];电网技术;2002年02期

相关期刊论文前10条

1 刘宁宁;梁峰;娄奔月;;BP神经网络算法在煤矿用伺服电机中的应用[J];伺服控制;2011年03期

2 孔令云;卢继平;颜伟;刘蕾;丁攀;;售电量分类预测模型及其软件开发[J];电力系统及其自动化学报;2008年06期

3 胡导福;文闪闪;何益鸣;;基于BP神经网络的变压器故障诊断及其应用[J];电力科学与技术学报;2008年02期

4 张宝芳;李晓东;;基于多因素粒子群—神经网络算法的短期电价预测[J];科技信息;2009年24期

5 郭丽;石航飞;陈志锦;杨凯;李勇;;BP神经网络在双伺服同步运动系统中的应用[J];兵工自动化;2011年01期

6 李娜;李郁侠;;基于粒子群-BP神经网络算法的电价预测[J];武汉大学学报(工学版);2008年04期

7 施应玲;杨红松;庞南生;;短期电力负荷预测的自适应混合遗传优化BP算法[J];电力科学与工程;2008年09期

8 周曲;邱晓燕;;基于改进蚁群神经网络的短期负荷预测[J];四川电力技术;2009年05期

9 李霜;王朗珠;张为;张琢;;基于DGA的改进BP神经网络的变压器故障诊断方法[J];变压器;2010年12期

10 赵显桥;吴胜杰;何国亮;王春林;;支持向量机灰熔点预测模型研究[J];热能动力工程;2011年04期