%0 Journal Article
%T 基于原子稀疏分解和BP神经网络的风电功率爬坡事件预测
%A 孙元章
%A 崔明建
%A 柯德平
%J 电力系统自动化
%D 2014
%X 超短期风电功率爬坡事件越来越影响风电机组在电网中的运行。当前国内对爬坡事件的定义并不明确,缺少相应的预测方法。阐述了风电功率爬坡事件的物理含义,提出了一种基于原子稀疏分解和反向传播神经网络(BPNN)的组合预测方法,分别建立了原子分量自预测模型、残差分量预测模型和组合预测模型。以实际风电场数据进行验证,对不同预测方法和不同时间空间实测数据进行了较全面的分析,结果表明该方法可以提高预测精度,并能降低绝对平均误差和均方根误差计算值的统计区间
%K 风力发电
%K 爬坡事件
%K 风电功率预测
%K 原子稀疏分解
%K 反向传播神经网络
%K wind power generation
%K ramp events
%K wind power forecasting
%K atomic sparse decomposition (ASD)
%K back propagation neural network
%U http://www.aeps-info.com/aeps/article/abstract/20130418003?st=article_issue