来源：期刊VIP网 时间：
作者：李练兵;陈伟光;李佳祺;卢盛欣;吴宁宇;于力强;
单位：省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学);河北工业大学人工智能与数据科学学院;河北建投海上风电有限公司;
摘要：为提高风电功率预测的准确性，减少风电对电网的负面影响，将传统的自适应神经模糊推理系统（adaptive network-based fuzzy inference system,ANFIS）与蛙跳算法（shuffled frog leaping algorithm,SFLA）和模式搜索（pattern search,PS）算法相结合，提出一种超短期风电功率日内动态预测方法。首先，使用SFLA-PS算法对ANFIS模型中的参数进行优化，将归一化处理的数据集作为模型的输入构建SFLA-PS-ANFIS超短期风电功率预测模型。然后，加载待预测时刻的输入数据到模型进行预测，将预测结果更新到数据库中，并更新气象数据，每隔15 min预测一次，实现对风电功率的动态预测。最后，以张家口某风电场实际运行数据验证模型的有效性。结果表明：相较于PSOANFIS、随机森林模型，SFLA-PS-ANFIS模型在春季平均绝对百分比误差EMAPE分别降低0.472%、0.741%；夏季平均绝对百分比误差EMAPE分别降低1.826%、3.294%；秋季平均绝对百分比误差EMAPE分别降低0.039%、0.183%；冬季平均绝对百分比误差EMAPE分别降低0.354%、0.596%，所提方法在不同季节均取得最优效果，具有较强的实用性。
关键词：风电功率预测;超短期;自适应神经模糊推理系统;蛙跳算法;模式搜索
