人工神经网络由大量简单处理元件以某种拓扑结构连接而成 能力, 网络法, 分析法, 神经

topyq2003

对风速时间序列进行模型识别，通过自相关函数和偏自相关函数的截尾和拖尾性来初步判断模型是属于AR、MA还是ARMA。然后，风向风速自记仪要对选择的模型进行定阶和参数估计。时间序列分析法在风速预测中取得了一定的效果，但是其预测效果受模型选择、阶数等因素的影响很不稳定。
　　人工神经网络法:人工神经网络由大量简单处理元件以某种拓扑结构连接而成，具有自学习、自组织和自适应能力，对于处理复杂问题较为有效。基于人工神经网络的风速预测方法也得到了较多的研究，但该算法容易陷入局部最小，使问题得不到最优解。对于风速的大范围变化时，无法得到较好的效果。空间相关法:空间相关法考虑风电场临近的多个风电场的测风数据，运用这些风速之间的空间相关性进行风速预测。为了获取充足的数据，需要在风电场周边设置风速测点。该方法要求在多个测风点很大的原始数据收集量，测风点越多、风速数据越丰富、预测效果越好。
　　　在已有的研究中，风向风速记录仪采用自回归滑动平均(ARMA)模型方法建立了满足一定功率谱密度特性的风速模型，为风力发电系统的全数字仿真或数字一物理混合仿真提供风速时间序列。文献将风速序列看作白噪声序列通过整形滤波器的输出，建立了风速模型，并给出了计算整形滤波器参数的方法。文献进一步给出了两种用数字方法实现滤波器的过程。但是，文献提供的算法需要考虑ARMA模型的阶数，阶数选择的主观因素很强，影响模型的应用效果。给出的方法中，滤波器阶数选择和实现同样需要反复试验调整，并且对于不同场址不同谱密度的风速模拟通用性不强。文章来源：http://blog.eastday.com/grainyq/art/2079300.html