基于SST和神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率預(yù)測(cè).pdf

1、隨著全球能源的消耗短缺,作為新能源的風(fēng)能進(jìn)入人們的視線,這種儲(chǔ)備豐富、清潔環(huán)保的可再生資源越來越受到人們的重視。風(fēng)力發(fā)電技術(shù)應(yīng)運(yùn)而生并逐漸走向成熟,風(fēng)電發(fā)電功率的短期預(yù)測(cè)伴隨著風(fēng)電技術(shù)的提高而日益增進(jìn),提高預(yù)測(cè)精度是現(xiàn)今階段面臨的首要問題。本文將采用同步擠壓小波變換(SST)和神經(jīng)網(wǎng)絡(luò)結(jié)合的方法對(duì)風(fēng)電功率進(jìn)行預(yù)測(cè)。
　　我們借助于同步擠壓小波變換對(duì)風(fēng)電功率時(shí)間序列進(jìn)行伸縮變換,實(shí)現(xiàn)其初步信號(hào)的去噪、銳化處理,提高信號(hào)時(shí)頻曲線頻率精

2、度,有效地識(shí)別結(jié)構(gòu)的瞬時(shí)頻率。利用C-C法對(duì)功率信號(hào)進(jìn)行相空間重構(gòu),估計(jì)時(shí)間序列的嵌入維數(shù)和時(shí)間延遲,利用小數(shù)據(jù)量法計(jì)算時(shí)間序列的最大Lyapunov指數(shù),判定時(shí)間序列的混沌特性。分別引入徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和回聲狀態(tài)神經(jīng)網(wǎng)絡(luò)兩種風(fēng)電功率預(yù)測(cè)模型,改進(jìn)兩種預(yù)測(cè)模型,并對(duì)相重構(gòu)后的風(fēng)電時(shí)間序列進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)顯示:經(jīng)過SST方法處理過的風(fēng)電功率信號(hào),結(jié)合兩種神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,預(yù)測(cè)效果有很大地改善,預(yù)測(cè)精度極大地提高。這表明了這種同步擠壓小波變