文献类型：期刊文章

作　　者：梁智[1] 孙国强[1] 俞娜燕[2] 倪晓宇[3] 沈海平[2] 卫志农[1]

Liang Zhi;Sun Guoqiang;Yu Nayan;Ni Xiaoyu;Shen Haiping;Wei Zhinong(College of Energy and Electrical Engineering,Hohai University,Nanjing 210098,China;State Grid Jiangsu Electric Power Company Wuxi Power Supply Company,Wuxi 214000,China;Wuxi Yang Sheng Technology Co.,Ltd.,Wuxi 214106,China)

机构地区：[1]河海大学能源与电气学院,南京210098 [2]国网江苏省电力公司无锡供电公司,无锡214000 [3]无锡扬晟科技股份有限公司,无锡214106

出　　处：《太阳能学报》

年　　份：2020

卷　　号：41

期　　号：3

起止页码：45-51

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：建立高斯过程回归和粒子滤波相结合的短期风速预测模型,实现对历史风速序列异常值的在线动态检测与修正。首先,在训练样本集中通过高斯过程回归建立状态空间方程,采用粒子滤波算法对当前量测值进行状态估计,对估计值和量测值的残差进行分析,并根据"3σ"原则判断异常值。其次,修正异常值,并对修正后的风速序列重新建立高斯过程回归预测模型。在进行提前15分钟风速预测时,同样采用粒子滤波算法对最新量测值进行状态估计,实现了异常值在线检测并修正。算例分析结果表明,粒子滤波算法能够有效检测出异常风速值,降低了风速预测误差,提前15分钟风速预测时平均绝对百分比误差和均方根误差分别降至8.92%和0.5826 m/s。

关 键 词：高斯过程回归  粒子滤波 异常值检测与修正  短期风速预测

分 类 号：TK81]