基于多种预测模型的风电功率实时预测

风电功率的预测关系到电网的功率平衡和运行安全。本文根据已有的风电功率历史数据,分别建立了基于时间序列分析法的ARMA模型、基于卡尔曼滤波法的风电功率预测模型和基于单一相空间重构的神经网络预测模型,利用matlab、excel、eviews等软件对未来一天和七天的不同时刻点的风电功率进行了预测,并在国家能源局对风电预测功率精度要求的基础上,根据所得的预测函数曲线图对模型进行了评价与分析,最终确定卡尔曼滤波法的预测模型为最佳推荐模型。然后通过对同种预测模型下不同数量发电机组间的预测精度的评价,得出风力发电机组集群影响单组发电机风电功率预测精度的结论。综合以上三个模型的优缺点,建立了基于多嵌入维数的风力发电功率神经网络预测模型,检验模型的预测精度,验证了该模型的可行性。