论文部分内容阅读
为了提高风电场输出功率目前预测的准确率,建立基于混沌时间序列的预测模型。风电场功率输出除受众多非线性因素的影响之外,还与自身的混沌性相关。本文首先按时间间隔对时间序列p进行重构,再采用wolf法求得各时间序列的最大Lyapunov数,以判断其混沌性,以C—C方法确定最优延迟时间T和嵌入维数m进行相空间重构,并以此确定混沌神经网络拓扑结构;最后采用处理后的实测数据进行神经网络训练,使之具有功率预测功能。以东北地区某风电场为实例,结果表明,基于混沌时间序列的风功率预测方法准确度高且容易实现。