国家留学基金(2009637066)
- 作品数：2 被引量：57H指数：2
- 相关作者：刘辉田红旗李燕飞更多>>
- 相关机构：中南大学莫纳什大学更多>>
- 发文基金：国家留学基金国家科技支撑计划更多>>
- 相关领域：动力工程及工程热物理交通运输工程更多>>
- 基于小波分析法与滚动式时间序列法的风电场风速短期预测优化算法被引量：36
- 2010年
- 为实现风电场风速的超前多步高精度预测,提出一种基于小波分析法与滚动式时间序列法混合建模的优化算法。该优化算法引入小波分析法对风电场实测非平稳风速序列进行分解重构计算,将非平稳性原始风速序列转化为多层较平稳分解风速序列,利用对传统时间序列分析法改进后的滚动式时间序列法对各分解层风速序列建立非平稳时序预测模型,并通过模型方程实现超前多步滚动式预测计算。仿真结果表明:该优化算法实现了风速的高精度短期多步预测,将传统时间序列分析法对应超前1步、3步、5步的预测精度分别提高了54.22%,26.44%和19.38%,其预测的平均相对误差分别为1.14%,3.06%和4.41%;优化算法具有较强的细分与自学习能力。
- 刘辉田红旗李燕飞
- 关键词：风速预测时间序列分析法优化算法
- 基于小波分析法与神经网络法的非平稳风速信号短期预测优化算法被引量：22
- 2011年
- 为提高传统神经网络对非平稳风速的预测精度,提出一种基于小波分析法与神经网络法混合建模的优化算法。该优化方法引入小波分析法对实测非平稳风速信号进行分解,将非平稳性原始风速序列转化为多层较平稳分解风速序列,再利用BP神经网络对各分解层风速序列建立预测模型,最终加权各层预测结果获得风速超前多步预测结果。仿真结果表明:该优化算法实现了风速的高精度短期多步预测,将传统神经网络法对应超前步数的平均绝对相对误差分别提高了55.56%,32.43%和34.58%,其超前1步、3步和5步预测的风速平均相对误差分别为0.48%,1.50%和2.97%。优化网络具备信号分解与自学习能力。
- 刘辉田红旗李燕飞CHEN Chao
- 关键词：优化算法风速预测神经网络法
