论文部分内容阅读
考虑风电场机组空间分布的相关性,提出基于动态时间序列神经网络(NAR)的风电场超短期功率组合预测方法.首先利用经验函数正交分解(EOF)解析风电机组出力特征的空间相关性,并依据空间特征贡献率对风电机组进行分组;其次针对机组的原始功率时间序列均值建立NAR预测模型,进而对风电功率预测结果组合加总获整取个风电场功率预测值.以中国北方某地区风电场实例验证,与单一风功率序列NAR预测模型和ARMA(2,2)模型相比,预测结果验证了文中所提方法的有效性.