考虑相似时段聚类的风电功率短期预测算法

论文摘要

为解决风电功率预测中较强的随机性和波动性的问题,提出一种考虑相似时段聚类的风电功率短期预测算法。该算法通过分析历史数据,确定相似时段的最佳长度。在此基础上采用K-means算法对功率曲线形状特征进行聚类。预测过程中,应用自适应分类算法对基准功率向量进行类簇划分,并结合气象因素筛选出最优相似时段集合。以该集合作为训练样本,以功率曲线和气象信息作为输入建立Elman神经网络模型,迭代地预测未来时段的风电功率。最后通过实际算例,验证了该算法的有效性。

论文目录

• 1 相似时段长度的确定
• 2 最佳相似时段搜索策略
•   2.1 历史功率向量聚类
•   2.2 基准功率向量分类
•   2.3 考虑气象因素的相似时段选取
• 3 风电功率预测模型
•   3.1 Elman神经网络
•   3.2 风电功率预测模型
• 4 实验结果分析
•   4.1 类簇个数对相似时段选取的影响分析
•   4.2 气象因素对预测结果的影响分析
•   4.3 模型输入对预测结果的影响分析
•   4.4 与相似日预测算法的对比分析
• 5 结论

文章来源

类型: 期刊论文

作者: 彭文,谢凤昱,张智源

关键词: 风电功率预测,相似时段,神经网络,聚类,自适应分类,气象信息

来源: 电力系统及其自动化学报 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 华北电力大学控制与计算机工程学院

基金: 国家科技支撑计划资助项目（2013BAA02B02）,中央高校基本科研业务费专项资金资助项目（2017MS034）

分类号: TM614

DOI: 10.19635/j.cnki.csu-epsa.000167

页码: 81-87

总页数: 7

文件大小: 951K

下载量: 389