資源描述：
《基于統(tǒng)計聚類分析短期風(fēng)電功率預(yù)測》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、第39卷第11期電力系統(tǒng)保護(hù)與控制v01．39N0．112011年6月1日PowerSystemProtectionandControlJun．1，2011基于統(tǒng)計聚類分析的短期風(fēng)電功率預(yù)測方江曉，周暉，黃梅，T．S．Sidhu．(1．北京交通大學(xué)電氣工程學(xué)院，北京100044；2．DepartmentofE1ectriCPowerEngineering，UniversityofWesternOntario，London，Canada，N6A5B9)摘要：考慮到短期風(fēng)電功率預(yù)測模型建立時，樣本的選取對預(yù)測模型的精度有較大影響，
2、提出了運(yùn)用聚類方法對歷史風(fēng)速數(shù)據(jù)進(jìn)行處理，實現(xiàn)了歷史數(shù)據(jù)的自動分類。根據(jù)預(yù)測日的平均風(fēng)速和最大風(fēng)速等特征參數(shù)，按照相似度最大的原則，選擇合適的類別作為預(yù)測建模用的訓(xùn)練樣本。運(yùn)用時間序列方法，建立風(fēng)速預(yù)測模型，與不經(jīng)過預(yù)處理的相比，所建立預(yù)測精度得到了提高，驗證了運(yùn)用聚類進(jìn)行數(shù)據(jù)預(yù)處理的正確性。運(yùn)用風(fēng)力發(fā)電機(jī)的出力曲線，得到了未來日的風(fēng)電功率的預(yù)測值，為含風(fēng)電系統(tǒng)的電力系統(tǒng)運(yùn)行計劃的制定，提供了基礎(chǔ)數(shù)據(jù)支持。關(guān)鍵詞：風(fēng)電預(yù)測；聚類分析；最大相似度；時間序列模型Short-termwindpowerpredictionbasedo
3、nstatisticalclusteringanalysisFANGJiang．xia0，ZHOUHui，-，HUANGMei，T．S．Sidhu(1．SchoolofElectricalEngineering，BeijingJiaotongUniversity，Beijing100044，China；2．DepartmentofElectricPowerEngineering，UniversityofWestemOntario，London，Canada，N6A5B9)Abstract：Consideringthatinth
4、eprocessofestablishingshort-termwindpowerpredictionmodel，thesampleselectionwouldaffectthepredicationaccuracyofwindpowermodel，itisnecessarytoprocessthehistorywindspeeddatapriortomodeling．Dataclassificationisautomaticallyaccomplishedthroughthestatisticalclusteringappr
5、oach．Withthecriterionofmaximalsimilarity，weselectagroupofdataasoHrtrainedsamplesaccordingtotheaverageandmaximumwindspeedofpredictionday．ThenweestablishthepredictionmodelofwindspeedbasedonARIMAprocess．ComparedwiththeconventionalARIMAprocess，thepredictionaccuracyusing
6、statisticclusteringapproachweproposedisimproved．Anexampleisusedtoverifythecorrectnessofourassumption．Finally，withpowercurveofawindturbine，anticipatedwindpoweriseasilygotten，whichoffersvaluablereferencefordrawingoutoperationscheduleofpowersystemintegratedwithwindpowe
7、r．Keywords：predictionofwindpower；statisticalclustering；maximalsimilarity；ARIMAprocess中圖分類號：TM715文獻(xiàn)標(biāo)識碼：A文章編號：1674—3415(2011)11-0067．07分析法(Waveletanalysis)，以及模糊預(yù)測方法(如0引言ANFIS)，支持向量機(jī)(sVM)等均在風(fēng)電功率預(yù)風(fēng)電預(yù)測，是風(fēng)電接入研究的一個關(guān)鍵問題。測中有所應(yīng)用，其預(yù)測的相對誤差在25％~40％水提高風(fēng)電預(yù)測的準(zhǔn)確性，可以減少含風(fēng)電接入電力平L2J。由于A
8、RIMA時間序列方法，可以針對不平系統(tǒng)調(diào)度計劃的不確定性，這樣既提高了系統(tǒng)運(yùn)行穩(wěn)時間序列進(jìn)行建模，且只需知道風(fēng)電場單一的風(fēng)的安全性，也提高了經(jīng)濟(jì)性【JJ。速或功率數(shù)據(jù)，簡單易行且預(yù)測效果較好，已被廣目前風(fēng)電功率的預(yù)測，在國內(nèi)外都是一個熱點泛用于風(fēng)速和發(fā)電功率的預(yù)測中。研究問題
