基于互信息属性分析与极端学习机的超短期风速预测
2016-05-03黄南天王新库张建业王文婷王文霞
电工电能新技术 2016年10期
黄南天, 袁 翀, 王新库, 张建业, 王文婷, 王文霞
(1. 东北电力大学电气工程学院, 吉林省 吉林市 132012; 2. 国网山东省电力公司德州供电公司, 山东 德州 253008; 3. 河北省电力公司, 河北省送变电公司, 河北 石家庄 050051)
基于互信息属性分析与极端学习机的超短期风速预测
黄南天1, 袁 翀1, 王新库2, 张建业3, 王文婷1, 王文霞1
(1. 东北电力大学电气工程学院, 吉林省 吉林市 132012; 2. 国网山东省电力公司德州供电公司, 山东 德州 253008; 3. 河北省电力公司, 河北省送变电公司, 河北 石家庄 050051)
超短期风速预测对保证风电并网运行可靠性和维持电力系统安全稳定具有重要的意义,针对风速预测中不同因素对风速影响程度不同的特点,本文提出一种基于互信息属性分析与极端学习机的超短期风速预测方法。首先,选取与风速相关的68种候选属性因素,分别计算其相对于风速序列的互信息值,根据互信息,衡量属性对风速的影响程度,并选择输入属性;然后,由互信息值计算属性权值;之后,采用加权处理后的属性值来训练极端学习机,构建风速预测模型;最后,采用新模型预测未来4h内风速。采用北纬39.91°、西经105.29°的美国风能技术中心的实测数据开展实验,实验结果表明,新方法具有良好的预测精度,能够满足实际风速预测需要。
风速预测; 互信息; 极端学习机; 预测精度
1 引言
在世界性能源危机和环境保护的双重压力下,风能作为一种新型清洁能源受到世界各国的日益关注[1]。然而风能的随机性和波动性对电网的稳定运行不利,当风电的穿越功率超过一定的限值时就会对电力系统的经济和安全运行产生严重的危害。……
登录APP查看全文
