基于BP神经网络算法的风电功率预测

针对风电功率的预测,从神经网络的训练仿真入手,综合运用BP神经网络、平均绝对误差MAE等多种方法,建立风电功率预测模型,运用Matlab和Excel软件编程,得到了后续7天中时隔5min和15min的风电功率预测趋势和时隔5min样本数据的预测误差水平相对于15min来说降低了6.349%等结果。     

不同时间窗下的风电功率波动特性

利用风电功率波动数据,使用滑动平均法、概率分布理论、1阶差分法等,分别建立了最佳概率分布模型、min级分量模型和变化速率模型,利用Matlab软件编程,得到了风电功率的波动特性的最佳概率分布为t location-scale分布并且得出了以较长时间为时间窗衡量风电功率的波动会损失短时风电功率波动的信息。