凌 劲,茆美琴,李福根,张恩铭

(1.国网安徽电力公司 检修公司，安徽 合肥 230061； 2.合肥工业大学 教育部光伏系统工程研究中心,安徽 合肥 230009)

短期风速预测的相关方法及其应用研究

凌 劲1,茆美琴2,李福根1,张恩铭1

(1.国网安徽电力公司 检修公司，安徽 合肥 230061； 2.合肥工业大学 教育部光伏系统工程研究中心,安徽 合肥 230009)

文章对持续法、BP神经网络和支持向量机(support vector machine，SVM)3种方法在提前24 h风速预测中的应用进行了研究和比较。为了消除季节对预测结果的影响,针对某年12个月份分别建立预测模型,结果表明:在大多数情况下,BP神经网络和SVM算法的预测结果要优于持续法,并且SVM算法优于BP神经网络;但也有持续法优于BP神经网络和SVM算法及BP算法优于SVM算法的情况。因此不能绝对说某种算法优于另一种算法,应该根据具体情况来进行分析判断,或者通过组合预测来提高预测精度。

风速预测;应用研究;持续法;BP神经网络;支持向量机(SVM)

风能作为目前世界上增长速度最快的可再生能源之一,被认为可以替代日益短缺的化石燃料来进行发电[1]。根据世界风能协会最新数据显示,到2014年底,全球风电装机容量为370 GW,其中我国风电装机容量为114.61 GW,同比增长25.4%。然而,由于风力发电系统出力的波动性和随机性,高比例风力发电系统并网运行,使电力系统的运行控制面对极大的挑战[2]。高精度风电系统出力预测成为风电规模化并网应用的关键技术之一[3],而风能预测结果的精度主要取决于风速预测的准确度[4]。……