学术︱基于主成分分析法的风电功率短期组合预测

中国电工技术学会定于2016年9月26~27日在安徽省合肥市举办“2016第五届新能源发电系统技术创新大会”（原“分布式发电与微电网技术大会”），主题为“能源互联网关键技术、储能电站与微电网建设”。

请感兴趣的读者扫描下方的二维码，或关注微信公众号“分布式发电与微电网”，浏览会议详情和进行快速注册报名。注册时请准确填写相关信息，会议服务人员将及时与您确认参会事宜。

北京信息科技大学的研究人员吴金浩、杨秀媛、孙骏，在2016年第7期《电气技术》杂志上撰文指出，间歇性与不确定性是风力发电的固有特性，在风力发电迅速发展的背景下风电功率预测的重要性日渐凸显。

为了减少单一模型在个别预测点误差较大的情况，提高整体预测方法的预测精度及相对误差率，本文采用反向传播（BP）神经网络以及支持向量机（SVM）两种基本模型进行组合，并引入粒子群(PSO)以及交叉验证（CV）算法来优化模型中的参数。

结合主成分分析法（PCA）对原始数据进行预处理，在不降低预测精度的前提下，对原数据进行降维处理从而提高运算效率。使用模型分别对未来五天进行预测，结果表明组合预测模型的标准平均误差（NMAE）、标准均方根误差(NRMSE)都满足国内现行指标，而且预测精度比单一模型有很大提高，相对误差更加稳定，有效减少了较大误差点的出现。

实例研究表明，基于主成分分析法的风电功率短期组合预测模型的可行性。