基于奇异值分解与卡尔曼滤波修正多位置NWP的短期风电功率预测
Acta Energiae Solaris Sinica（2022）
摘要
考虑到数值天气预报网格点位置和系统误差对短期风电功率预测精度的影响,提出一种基于奇异值分解与卡尔曼滤波修正多位置数值天气预报的短期风电功率预测模型.首先通过奇异值分解对多位置数值天气预报数据进行特征提取与降维处理;然后使用卡尔曼滤波方法修正数值天气预报风速数据,降低数值天气预报的系统误差;最后基于极端随机森林算法,利用修正的数值天气预报数据搭建短期风电功率预测模型.通过对某风电场进行仿真,并与单位置、未降维、未修正模型比较,结果表明降维修正模型的预测效果最好,平均误差和均方根误差分别为7.94％和9.96％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要