基于MC的风电场参数预测模型的误差修正

风速的随机性和间歇性等特点使得目前风电场参数预测模型存在较大的预测误差,对此提出了采用马尔科夫链(MC)方法对模型的预测误差进行修正。分别求出参数的实际值与模型预测值之间的误差序列,利用模糊C-均值聚类算法对其进行状态划分;根据各误差状态计算出MC状态转移概率矩阵,进而计算模型预测误差修正值,最终得到精度较高的预测值。采用MC方法分别对广义回归神经网络(GRNN)模型、T-S模糊神经网络模型以及Elman神经网络模型的预测误差进行修正,并应用MC修正后的3种模型对山西某风电场测风塔不同步长风速进行预测仿真实验研究,分析讨论了MC对各预测模型误差的修正效果。仿真结果表明,所提出的误差修正方法能够