基于OS-ELM的风速修正及短期风电功率预测

随着时间的推移，风电场风电功率预测模型的适用性逐渐降低，导致预测精度下降。为了解决该问题，基于在线序列-极限学习机(OS-ELM)算法提出了风电场短期风电功率预测模型的在线更新策略，建立的OS-ELM模型将风电场的历史数据固化到隐含层输出矩阵中，模型更新时，只需将新产生的数据对当前网络进行更新，大大降低了计算所需的资源。采用极限学习机(ELM)算法对数值天气预报(NWP)的预测风速进行修正，并根据风电功率的置信区间对预测功率进行二次修正。实验结果表明，采用OS-ELM算法更新后的模型适用性增强，预测精度提高；采用基于风电功率置信区间的功率修正模型后，风电功率的预测精度明显提高。