基于ELM的风电场短期风速订正技术研究

       摘要: 风速预测是风电场风功率预测的基础,其准确度严重影响着风电场的运行效率。为了提高短期风速预测的准确性,本研究采用了 WRF中尺度数值模式,对我国东部沿海某风电场的风速进行预报。在此基础上,利用极限学习机算法(ELM)对 WRF模式预报的风速进一步订正。实验结果表明,WRF模式对风速、风向等气象要素有着较好的回报效果,利用ELM算法对 WRF模式预报风速进行订正后,预报风速的误差进一步减小,相对均方根误差和相对平均绝对误差降低了20%~30%。与其他的智能算法(BP神经网络、SVM算法)对比分析后得出,ELM算法对 WRF 模式预报风速具有较好的订正效果,能够有效提高风速预报准确率。

作者:
张颖超 肖寅 邓华
单位:
南京信息工程大学信息与控制学院,南京 210044; 南京信息工程大学气象灾害预报预警与评估协同创新中心,南京 210044; 江苏省大数据分析技术重点实验室,南京 210044 南京信息工程大学信息与控制学院,南京,210044 南京信息工程大学气象灾害预报预警与评估协同创新中心,南京,210044
出处:
《气象》
刊期:
2016年第42卷第4期
基金:
江苏省高校优势学科建设工程资助项目、江苏省六大人才高峰项目(WLW-021) 江苏省研究生创新工程省立项目(SJLX 0386) 公益性行业(气象)科研专项(GYHY201106040)

基于ELM的风电场短期风速订正技术研究

摘要:风速预测是风电场风功率预测的基础,其准确度严重影响着风电场的运行效率。为了提高短期风速预测的准确性,本研究采用了 WRF中尺度数值模式,对我国东部沿海某风电场的风速进行预报。在此基础上,利用极限学习机算法(ELM)对 WRF模式预报的风速进一步订正。实验结果表明,WRF模式对风速、风向等气象要素有着较好的回报效果,利用ELM算法对 WRF模式预报风速进行订正后,预报风速的误差进一步减小,相对均方根误差和相对平均绝对误差降低了20%~30%。与其他的智能算法(BP神经网络、SVM算法)对比分析后得出,ELM算法对 WRF 模式预报风速具有较好的订正效果,能够有效提高风速预报准确率。

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.198133s