基于卡爾曼濾波算法的風(fēng)速序列預(yù)測(cè)方法.pdf

1、風(fēng)能是一種無(wú)污染的可再生能源，具有很高的開(kāi)發(fā)利用價(jià)值，目前主要的應(yīng)用形式是風(fēng)力發(fā)電。但是由于風(fēng)的隨機(jī)性和間歇性，導(dǎo)致風(fēng)電并網(wǎng)成為風(fēng)力發(fā)電的主要難題。有效的風(fēng)速預(yù)測(cè)能夠幫助電網(wǎng)進(jìn)行及時(shí)調(diào)度，解決風(fēng)電并網(wǎng)難的問(wèn)題。傳統(tǒng)的短期風(fēng)速預(yù)測(cè)方法由于預(yù)測(cè)精度低，不能滿足實(shí)際要求。
　　在經(jīng)典的風(fēng)速預(yù)測(cè)方法中，卡爾曼濾波算法是一種高效的遞推濾波算法，不但具有預(yù)測(cè)功能，還有融合作用，但是卡爾曼濾波算法具有狀態(tài)方程難建立、噪聲方差選取等問(wèn)題。因此，本

2、文提出一種卡爾曼濾波融合方法，該方法利用ARMA模型建立卡爾曼濾波算法的狀態(tài)方程，融合了BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果，并將這兩種模型在建模過(guò)程中產(chǎn)生的誤差方差分別作為卡爾曼濾波算法的過(guò)程噪聲方差和觀測(cè)噪聲方差，取代了用高斯白噪聲代替系統(tǒng)中噪聲統(tǒng)計(jì)特性的方法，提高了模型的精度，最后通過(guò)卡爾曼濾波的遞推計(jì)算得到未來(lái)風(fēng)速的最優(yōu)估計(jì)值，從而實(shí)現(xiàn)風(fēng)速序列預(yù)測(cè)。
　　仿真實(shí)驗(yàn)結(jié)果表明，卡爾曼濾波融合預(yù)測(cè)方法能夠有效改善風(fēng)速序列的預(yù)測(cè)性能。與基本