基于多位置NWP与主成分分析的风电功率短期预测

被引：45

作者：

王丽婕 ^{[1
]}

冬雷 ^{[2
]}

高爽 ^{[2
]}

机构：

[1] 北京信息科技大学电气工程系

[2] 北京理工大学自动化学院

来源：

电工技术学报 | 2015年 / 30卷 / 05期

关键词：

风电功率预测; 数值天气预报; 多位置; 主成分分析; 聚类分析;

D O I：

10.19595/j.cnki.1000-6753.tces.2015.05.010

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

数值天气预报(NWP)信息对风电功率短期预测模型的准确性起着重要作用。考虑风电场周围多个位置的NWP信息,提出聚类分析与主成分分析相结合的方法对风力发电功率短期预测进行研究。通过聚类分析提取历史数据中与预测日NWP最相近的样本,然后用主成分分析法对样本日信息进行处理,获得更加准确反映风电场特性的参数。通过对依兰风电场的发电功率进行预测,证实了该方法的有效性,其准确度比基于单位置NWP的预测模型提高了4.65%。

引用

页码：79 / 84

页数：6

共 6 条

[1] 基于聚类经验模态分解和最小二乘支持向量机的短期风速组合预测 [J].

王贺 ;

胡志坚 ;

张翌晖 ;

李晨 ;

杨楠 ;

王战胜 .

电工技术学报, 2014, 29 (04) :237-245

[2] 基于主成分分析的神经网络动态集成风功率超短期预测 [J].

何东 ;

刘瑞叶 .

电力系统保护与控制, 2013, 41 (04) :50-54

[3] 基于主成分分析与人工神经网络的风电功率预测 [J].

周松林 ;

茆美琴 ;

苏建徽 .

电网技术, 2011, 35 (09) :128-132

[4] 大规模风电接入电网的相关问题及措施 [J].

张丽英 ;

叶廷路 ;

辛耀中 ;

韩丰 ;

范高锋 .

中国电机工程学报, 2010, 30 (25) :1-9

[5]

Wind power prediction based on numerical and statistical models[J] . Christos Stathopoulos,Akrivi Kaperoni,George Galanis,George Kallos.Journal of Wind Engineering & Industrial Aerodynamics . 2013

[6]

A Method for Short-Term Wind Power Prediction With Multiple Observation Points .2 Muhammad Khalid,Andrey V. Savkin. IEEE TRANSACTIONS ON POWER SYSTEMS . 2012

← 1 →