文献类型：成果

完 成 人：刘玉成 苏盈盈 汤毅 刘兴华 葛继科 施金良 常继彬 唐利明 何勇 叶文

完成单位：重庆科技学院

项目年度编号：1600031525

公布年份：2015

登 记 号：渝科成字2014J643

应用行业：电力生产

联系单位：重庆科技学院

联 系 人：刘玉成;苏盈盈;汤毅;刘兴华;葛继科;施金良;常继彬;唐利明;何勇;叶文

语　　种：中文

成果简介：研究基于自适应相空间重构的理论方法：主要包括确定对象的自适应样本相空间的最佳嵌入维数和延迟时间。分析新方法的性能：包括“三个分析”-预测精度分析、复杂度分析和稳定性分析。实验及现场验证：利用该方法，分别对风电场短期风速和发电功率进行实际的预测研究。风电场短期风速和发电功率具有混沌时变的特性，预测精度不高。结合相空间重构的思想，通过确定风速时间序列最佳的嵌入维数和延迟时间，将风速时间序列进行重构，以此获得与原样本空间拓扑等价的并且信息完备的相空间样本数据。在此基础上，通过对比分析模型的精度，确定最佳的万能函数逼近器神经网络模型的结构，从而达到提高预测精度的目的。实例分析表明，该方法将短期风速的预测精度提高到16.2%，发电功率的预测提高到11.24%达到了预期的效果。

关 键 词：风电场 神经网络模型 发电功率预测

分 类 号：TK8]