基于OS-ELM的风速校正与短期风电功率预测

简介：
本研究提出了一种基于OS-ELM算法的方法，用于修正风速数据并进行短期风电功率预测，提高可再生能源系统的效率和可靠性。 随着风电场运营时间的增长，原有的风电功率预测模型逐渐变得不再适用，导致其准确性下降。为解决这一问题，本段落提出了一种基于在线序列-极限学习机（OS-ELM）算法的短期风电功率预测模型更新策略。该方法通过将历史数据固化在隐含层输出矩阵中构建了初始的OS-ELM模型，并且当需要进行模型更新时，只需引入新产生的数据即可完成调整，从而极大地减少了计算资源的需求。 此外，在数值天气预报（NWP）风速预测的基础上，利用极限学习机（ELM）算法进行了修正工作。再结合风电功率置信区间对最终的电力输出预测值做进一步校正处理。实验结果显示：使用OS-ELM更新策略后所形成的模型适应性增强且准确性有所提升；而通过引入基于风电功率置信区间的二次修正机制，则明显提高了风力发电量预测精度。