论文摘要
依据天气模式分别建立预测模型是短期风电功率预测精细化的有效手段。传统基于聚类划分天气类别的风电功率预测方法,常采取提取特征量的思路"退化"适应聚类方法,而特征量难以全面反映复杂天气的变化信息,会削弱划分的可靠性。为保留各天气类型的动态变化性质,提出了一种基于时序数据动态天气划分的风电功率预测方法:采用t-分布邻域嵌入的非线性降维方法对相关气象指标进行降维处理;利用基于改进绝对距离、增速距离、波动距离组合指标的面板数据层次聚类方法对历史天气进行类别划分;针对不同风电天气类型,选取邻近日分别建立基于支持向量机回归的风电功率预测模型。通过甘肃某风电场群数据的验证,与基于特征提取天气划分的风电功率预测方法相比,文中提出方法的精确性有明显改善,验证了该风电功率预测改进方法的有效性。
论文目录
文章来源
类型: 期刊论文
作者: 熊音笛,刘开培,秦亮,欧阳庭辉,何佳奕
关键词: 风电功率预测,风电天气划分,面板数据,层次聚类,支持向量机回归,邻近日
来源: 电网技术 2019年09期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 武汉大学电气工程学院
基金: 武汉市青年科技晨光计划(2017050304010313)~~
分类号: TM614
DOI: 10.13335/j.1000-3673.pst.2018.1568
页码: 3353-3359
总页数: 7
文件大小: 1060K
下载量: 711