湍流值对风电功率预测的影响与分析

TM73; 风电功率预测是缓解弃风现象的有效手段.文中针对风电波动性,提出了一种在模糊C均值聚类算法(Fuzzy C-Means algorithm,FCM)中引入湍流值IT的风电功率预测方法.在FCM算法中引入湍流值IT对训练样本进行聚类,可以进一步增强训练样本与预测样本间的相似性,避免因训练样本减少,导致风电功率波动性影响能力增大的情况.以山西某风电场实测数据为依据,在MATLAB平台上通过支持向量机(Support Vector Machine,SVM)对FCM的聚类结果进行训练和预测,仿真结果表明,FCM-IT-SVM能有效增强风电功率的相似性,减小预测误差....

Full description

Saved in:
Bibliographic Details
Published in电测与仪表 Vol. 55; no. 20; pp. 29 - 33
Main Authors 陈燕, 马春燕, 谭沛然, 窦银科, 常晓敏
Format Journal Article
LanguageChinese
Published 太原理工大学电气与动力工程学院,太原,030024%山西省电力公司计量中心,太原,030032%太原理工大学水利科学与工程学院,太原,030024 2018
Subjects
湍流值
模糊聚类
相似日
SVM
Online AccessGet full text
ISSN1001-1390
DOI10.3969/j.issn.1001-1390.2018.20.005

Cover

More Information
Summary:TM73; 风电功率预测是缓解弃风现象的有效手段.文中针对风电波动性,提出了一种在模糊C均值聚类算法(Fuzzy C-Means algorithm,FCM)中引入湍流值IT的风电功率预测方法.在FCM算法中引入湍流值IT对训练样本进行聚类,可以进一步增强训练样本与预测样本间的相似性,避免因训练样本减少,导致风电功率波动性影响能力增大的情况.以山西某风电场实测数据为依据,在MATLAB平台上通过支持向量机(Support Vector Machine,SVM)对FCM的聚类结果进行训练和预测,仿真结果表明,FCM-IT-SVM能有效增强风电功率的相似性,减小预测误差.
ISSN:1001-1390
DOI:10.3969/j.issn.1001-1390.2018.20.005