湍流值对风电功率预测的影响与分析

陈燕; 马春燕; 谭沛然; 窦银科; 常晓敏

陈燕,马春燕,谭沛然,窦银科,常晓敏.湍流值对风电功率预测的影响与分析[J].电测与仪表,2018,55(20):29-33.
Chen Yan,Ma Chunyan,Tan Peiran,Dou Yinke,Chang Xiaomin.Influence and analysis of turbulence value on wind power prediction[J].Electrical Measurement & Instrumentation,2018,55(20):29-33.

湍流值对风电功率预测的影响与分析

Influence and analysis of turbulence value on wind power prediction

DOI：

中文关键词: SVM 模糊聚类湍流值相似日

英文关键词:SVM, Fuzzy Cluster, Turbulence Value, Similar day

基金项目:国家自然科学基金资助项目（41606220）；国家自然科学基金资助项目（41776199）；山西省自然科学基金资助项目（201701D121127）

作者中文名	作者英文名	单位
陈燕	Chen Yan	太原理工大学电气与动力工程学院
马春燕	Ma Chunyan	太原理工大学电气与动力工程学院
谭沛然	Tan Peiran	山西省电力公司计量中心
窦银科	Dou Yinke	太原理工大学电气与动力工程学院
常晓敏	Chang Xiaomin	太原理工大学水利科学与工程学院

摘要点击次数: 1939

中文摘要:

风电功率预测是缓解弃风现象的有效手段。本文将针对风电波动性,提出一种在模糊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。

英文摘要:

Wind power prediction is an effective means to reduce the phenomenon of abandonment of wind power. This paper provides a means that introduce turbulence value IT in Fuzzy C-Means algorithm (FCM), which can further enhance the similarity between the predicted samples and the training samples, avoid the negative impact of wind power fluctuation due to the decrease of the training samples. This method is verified on MATLAB platform, where the prediction result is generated based on measured dates from a wind farm in Shanxi by Support Vector Machine (SVM) and FCM. From the consequence we can see that FCM-IT-SVM can be able to strengthen the similarity of wind power, and reduce the error of wind power prediction effectively.

查看全文查看/发表评论下载PDF阅读器

关闭