基于BP神经网络的风速预测和风能发电潜力分析
BP神经网咯的相关资料
第38卷 第2期2010年2
月Vo.l38 No.2Feb. 2010
基于BP神经网络的风速预测和风能发电潜力分析
杨 刚,陈 鸣
1
2
(1.法国高等电力大学,巴黎 91192;2.中山大学太阳能系统研究所广东省教育厅重点实验室,广州 510006)摘 要:以BP神经网络为基础进行年平均风速和年最大风速的预测,并以预测得到的数据为基础进行风力发电潜力的分析,引入了风速频率Weibull分布函数来拟合实际的风速频率分布,结合风力发电机的输出功率特性求解风机处于工作状态的概率、发电量,并对风力发电机转轴高度因素对风机发电量的影响作了分析,基于BP神经网络的风能发电潜力分析使分析的过程建立在预测得到风速的基础上,改进了过去依靠风速历史数据进行风力发电潜力分析的方法,充分考虑了风能资源的不稳定性,具有更高的可信度。关键词:Weibull分布;功率特性;BP神经网络;网络训练;发电量
作者简介:杨 刚(1987-),男,硕士研究生,研究方向为可再生能源技术、电力电子技术和虚拟仪器技术。中图分类号:TM614 文献标志码:A 文章编号:1001-9529(2010)02-0304-06
WindSpeedForecastandWindPowerPotentialAnalysisBasedonBPNeuralNetworks
YANGGang1,CHENMing2
(1.L EcoleSup rieurd Electricit (SUPELEC),Paris91192,France;
2.InstituteforSolarEnergySystem,SunYat-senUniv.,KeyLaboratoryofGuangdongEducationalDepartment,
Guangzhou510006,China)
Abstract:TheyearlyaveragewindspeedandmaximumwindspeedwerepredictedbasedonBPneutralnetworks,andthewindpowerpotentialwasanalyzedthroughthepredictedwindspeeddata.TheWeibulldistributionfunctionwasintroducedtofittherealwindfrequencydistributionsituation.Accordingtothepowercharacteristicsofthewindtur-bines,theyearlyoperatingprobabilitiesandthegeneratedenergyweresolved.Theinfluenceofhubheightswasalsoanalyzed.TheanalysisofwindpowerpotentialprocessbasedontheBPneutralnetworksmadethepredicteddataasthebasisforfurtherresearchonthewindpowerpotentialandimprovedthepreviousmethodwhichwasbasedonthehistoricalwindspeedrecords.Thisnewmethodfullyconsideredtheinstabilityofwindresourcesthushadahigherre-liability.
Keywords:Weibulldistribution;powercharacteristic;BPneutralnetwork;networktraining;generatedenergy
以往风电场评估方法中大多认为某地区的风能资源情况在最近几年之内不会发生较明显变化,分析过程通常建立在是以往风速数据的基础上。由于风能资源具有复杂性和不可控性的特点,即使同一地区的风能状况在不同年份也有所差异。另外,随着风电在电网中所占的比例的不断增大,它本身的不稳定性给电网带来的不确定性,增大了电力调配的难度。为此,有必要对风电场的风速情况作出准确的预测,利用预测得到的结果对某地区风力发电潜力进行分析
[1,2]
越缓和,预测误差就越小。进行风速预测常用的方法有以下几种:持续法、卡尔曼滤波法(Kalmanfilters)、时间序列法(ARMA)、模糊逻辑法(FuzzyLogic)、空间相关性法(SpatialCorrelation)和人工神经元法(ANN)。其中人工神经元法具有并行处理、分布式储存与容错性能特征,具有自学习、自组织和自适应能力,对复杂问题的求解十分有效,用于风速的预测结果的精度取决于网络的训练情况。网络训练的越好,预测精度越高。本文使用BP神经网络对某地区进行年平均风速和年最大风速的预测,根据风速预测所得到的数据进行风力发电潜力的分析,并在此基础上分析了某地区的风速频率Weibull分布状况和风机运行的概率以及风机每年的发电量等重要参数。
[3-6]
。
目前风电场风速的预测误差在25%~40%
间,这与预测方法、预测周期以及预测地点的风速特性有关。预测周期越短,预测地点的风速变化
你可能喜欢
- 电力负荷短期预测
- 风电功率预测
- 风功率预测
- BP神经网络算法
- MATLAB神经网络
- BP网络应用
- BP神经网络模型
- 神经网络预测模型
- 基于组合式神经网络的短期电力负荷预测模型4页
- 基于小波分析的电力系统短期负荷预测方法6页
- 基于遗传算法和BP神经网络的短期电力负荷预测4页
- 基于模糊神经网络的电力负荷短期预测5页
- 基于动态神经网络(GRNN)的电力系统短期负荷在线预测4页
- 短期电力负荷预测的模糊神经网络方法5页
- 国电南瑞NSF3100风电功率预测系统-技术说明书16页
- 国电南瑞NSF3100风电功率预测系统27页
- 基于灰色模型的风速_风电功率预测研究9页
- 基于RBF神经元网络的风电功率短期预测4页
- 基于小波_BP神经网络的短期风电功率预测方法_师洪涛5页
- 甘肃电网风电功率预测系统正式上线1页
- 风功率预测与电网协调运行实施细则8页
- 风功率预测系统基础知识(精华版)7页
- 风功率预测论文24页
- 西班牙可再生能源中心风功率预测49页
- 风功率预测系统Cener_LocalPred_v12页
- A题:风功率预测问题2页
- 基于遗传算法的BP神经网络短时交通流预测_王成宝4页
- 基于在线学习方法的BP神经网络训练算法研究50页
- BP神经网络算法原理29页
- 基于遗传算法和BP神经网络的短期电力负荷预测4页
- 用遗传算法优化BP神经网络的Matlab编程实例 [引用 2007-08-29 ...2页
- 2.4-BP神经网络模型与学习算法29页
- 基于神经网络的平面连杆机构MATLAB仿真5页
- BP神经网络MATLAB实例5页
- 基于MATLAB 的神经网络的仿真6页
- MATLAB神经网络工具箱40页
- 基于MATLAB的BP神经网络生态用水量预测_钱淼华3页
- 基于BP神经网络的PID控制器及其MATLAB仿真1页