基于卡爾曼濾波算法的風(fēng)速序列預(yù)測方法.pdf

1、風(fēng)能是一種無污染的可再生能源，具有很高的開發(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)難的問題。傳統(tǒng)的短期風(fēng)速預(yù)測方法由于預(yù)測精度低，不能滿足實(shí)際要求。
　　在經(jīng)典的風(fēng)速預(yù)測方法中，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)測結(jié)果，并將這兩種模型在建模過程中產(chǎn)生的誤差方差分別作為卡爾曼濾波算法的過程噪聲方差和觀測噪聲方差，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，最后通過卡爾曼濾波的遞推計(jì)算得到未來風(fēng)速的最優(yōu)估計(jì)值，從而實(shí)現(xiàn)風(fēng)速序列預(yù)測。
　　仿真實(shí)驗(yàn)結(jié)果表明，卡爾曼濾波融合預(yù)測方法能夠有效改善風(fēng)速序列的預(yù)測性能。與基本