基于FCM和ITransformer-TCN的短期风电集群功率预测 被引量：4

1

作者 牛甲俊 张薇 许达明 《东北电力大学学报》 2024年第1期9-16,共8页

准确的风电功率预测对于电力系统安全稳定运行具有至关重要的意义。针对当前在集群预测中存在集群划分不合理以及在短期预测中精度难以得到有效提升的问题,文中提出了一种基于模糊C均值(Fuzzy C-means, FCM)和ITransformer-时间卷积网络... 准确的风电功率预测对于电力系统安全稳定运行具有至关重要的意义。针对当前在集群预测中存在集群划分不合理以及在短期预测中精度难以得到有效提升的问题,文中提出了一种基于模糊C均值(Fuzzy C-means, FCM)和ITransformer-时间卷积网络(Temporal Convolutional Network, TCN)的短期风电集群功率预测方法。首先基于FCM聚类算法划分子集群,再利用ITransformer-TCN模型双重特征提取的优势对各子集群建模预测,最后将文中方法应用于中国吉林省某风电集群,与其他方法对比RMSE平均降低了10.8%,验证了模型的有效性。 展开更多

关键词 风电功率预测 FCM ITransformer-TCN 双重特征提取 短期集群预测

在线阅读 下载PDF 职称材料

基于CBAM-LSTM的风电集群功率短期预测方法 被引量：1

2

作者 张哲 王勃 《东北电力大学学报》 2024年第1期1-8,共8页

风电功率的精准预测对我国实现“碳达峰”、“碳中和”的目标具有重要意义。传统的风电功率预测方法往往忽视了时间序列数据中的长期依赖关系和空间相关性,导致预测结果不准确。为了解决这个问题,文中提出了了卷积块注意力机制(Convolut... 风电功率的精准预测对我国实现“碳达峰”、“碳中和”的目标具有重要意义。传统的风电功率预测方法往往忽视了时间序列数据中的长期依赖关系和空间相关性,导致预测结果不准确。为了解决这个问题,文中提出了了卷积块注意力机制(Convolutional Block Attention Module, CBAM)和长短时记忆网络(Long Short-Term Memory, LSTM)相结合的模型。首先,使用CBAM对风电功率时间序列数据特征和数值天气预报中蕴含的空间特性进行提取,该模块能够自适应地学习时间和空间上的重要特征;然后,将提取的特征输入到LSTM层结构中进行功率预测。为了验证所提方法的有效性,使用中国吉林省某风电场的数据集进行验证,实验结果表明,与其他功率预测方法相比,文中所提方法平均绝对误差(Mean Absolute Error, MAE)平均降低2.67%;决定系数(R-Square, R2)平均提高23%;均方根误差(Root Mean Square Error, RMSE)平均降低2.69%。 展开更多

关键词 风电功率 卷积块注意力机制 长短时记忆神经网络 短期风电集群功率预测

在线阅读 下载PDF 职称材料

基于SAO-VMD和LSTM的风电集群功率预测

3

作者 朱峰屹 郑小霞 《上海电力大学学报》 2025年第1期75-83,共9页

为研究风电集群功率在风速波动性、不确定性下的特征,提高风电集群的功率预测精度,提出了一种基于雪消融算法优化变分模态分解的信号提取和长短期记忆(LSTM)神经网络的功率预测方法。首先,采用t-分布随机邻域嵌入方法完成风速时间序列... 为研究风电集群功率在风速波动性、不确定性下的特征,提高风电集群的功率预测精度,提出了一种基于雪消融算法优化变分模态分解的信号提取和长短期记忆(LSTM)神经网络的功率预测方法。首先,采用t-分布随机邻域嵌入方法完成风速时间序列数据的降维,并通过模糊聚类完成风电集群区域划分;然后,选取各区域中的代表风机,利用雪消融优化(SAO)算法优化变分模态分解(VMD)中的两个参数,达到最优分解的目的;最后,将分解得到的信号输入到LSTM神经网络预测模型中,以完成区域代表风机的功率预测,进而求得风电集群的功率预测。结果表明,与VMD和粒子群优化的VMD相比,基于SAO算法优化VMD的功率预测模型的预测结果更好,验证了模型的有效性。该模型提升了预测精度,但仍存在选取风机特征信息数量不足的问题。 展开更多

关键词 风电集群功率预测 t-分布随机邻域嵌入 雪消融优化算法 变分模态分解 长短期记忆神经网络

在线阅读 下载PDF 职称材料

基于Vague软集的海上风电功率区间预测

4

作者 田书欣 朱峰 +2 位作者 杨喜军 符杨 苏向敬 《中国电机工程学报》 北大核心 2025年第4期1465-1476,I0019,共13页

海上风电输出功率的精准预测是保障海上风电并网系统调度运行的基础。针对海上风电海洋环境高度复杂、随机时空强烈耦合的特征,提出一种基于Vague软集的海上风电输出功率的新型区间预测方法。首先,引入Vague软集概念,提出融合Vague集真... 海上风电输出功率的精准预测是保障海上风电并网系统调度运行的基础。针对海上风电海洋环境高度复杂、随机时空强烈耦合的特征,提出一种基于Vague软集的海上风电输出功率的新型区间预测方法。首先,引入Vague软集概念,提出融合Vague集真隶属度和伪隶属度函数的交错式海上风电功率区间划分方法,实现风电功率数据Vague软区间化。其次,建立基于Vague-卷积神经网络(convolutional neural network,CNN)-长短期记忆神经网络(long short-term memory neural network,LSTM)的海上风电功率组合预测模型。通过类Vague软区间转换方法将双隶属度区间概率向量转化为海上风电功率复杂不确定信息下的区间预测结果。然后,从预测准确性、清晰性和兼顾性角度建立预测区间覆盖精度、预测区间宽度和预测综合水平等Vague软区间预测评估指标。最后,以我国东部某海上风电机组实际数据为算例进行验证。结果表明,所提预测模型预测结果可以兼顾预测区间的覆盖精度和清晰度,能够为海上风电不同工况下运行需求提供支撑。 展开更多

关键词 海上风电 Vague-卷积神经网络(CNN)-长短期记忆神经网络(LSTM)模型 Vague软集 软区间转换 区间预测

在线阅读 下载PDF 职称材料

风电集群短期及超短期功率预测精度改进方法综述 被引量：94

5

作者 彭小圣 熊磊 +4 位作者 文劲宇 程时杰 邓迪元 冯双磊 王勃 《中国电机工程学报》 EI CSCD 北大核心 2016年第23期6315-6326,6596,共12页

风电集群短期及超短期功率预测是提升电网健壮性的有力手段。该文总结国内外风电集群短期与超短期功率预测技术的现状,从集群和单个风电场两个方面,归纳风电功率预测技术的分类;从预测流程、数据来源、数据流向、物理层次4个方面论述风... 风电集群短期及超短期功率预测是提升电网健壮性的有力手段。该文总结国内外风电集群短期与超短期功率预测技术的现状,从集群和单个风电场两个方面,归纳风电功率预测技术的分类;从预测流程、数据来源、数据流向、物理层次4个方面论述风电集群功率预测系统的整体框架;提出具有泛化意义的风电功率预测的物理层次结构,并从数据层、映射层、特征层、模型层、反馈层5个不同的层面讨论风电功率预测技术的精度提升方法及其发展方向,对短期、超短期风电功率预测、集群功率预测的研究具有一定参考价值。 展开更多

关键词 风电集群预测 短期功率预测 超短期功率 预测物理层次 预测精度

在线阅读 下载PDF 职称材料

基于预测信息二维坐标动态划分的风电集群功率超短期预测 被引量：18

6

作者 杨茂 彭天 苏欣 《中国电机工程学报》 EI CSCD 北大核心 2022年第24期8854-8863,共10页

风电集群的大规模并入电网对功率预测的准确度提出了更高的要求。为能充分利用预测功率信息和数值天气预报(numerical weather prediction,NWP)信息,该文提出一种基于功率变化趋势和风速变化波动的二维坐标的风电场动态分群方法。将4h... 风电集群的大规模并入电网对功率预测的准确度提出了更高的要求。为能充分利用预测功率信息和数值天气预报(numerical weather prediction,NWP)信息,该文提出一种基于功率变化趋势和风速变化波动的二维坐标的风电场动态分群方法。将4h时间尺度的预测过程分成4个等长时间尺度的循环过程,在每次1h的循环过程中应用平衡迭代规约和聚类(balanced iterative reducing and clustering using hierarchies,BIRCH)对各场站的二维坐标聚类,完成对集群的划分,根据划分结果构建训练集,通过门控循环单元(gate recurrent unit,GRU)模型完成各子集群的功率预测,重复这一过程直至完成4h的超短期功率预测。算例结果表明,所提方法的预测精度相比静态划分提升1.8%,相比统计升尺度提升4.31%,可有效提高风电集群的功率超短期预测准确度。 展开更多

关键词 风电功率预测 功率变化趋势 风速变化波动 集群动态划分 深度学习

在线阅读 下载PDF 职称材料

基于EMD-PSO-Bi LSTM组合模型的短期风电功率预测 被引量：1

7

作者 唐杰 李彬 《自动化应用》 2024年第5期126-129,共4页

风电功率预测对风电并网的稳定运行具有重要意义。为了解决风电功率预测中的精度和模型稳定性问题,引入了EMD-PSO-BiLSTM模型。通过经验模态分解技术将原始风电功率序列分解为一系列固有模态函数,以有效捕捉数据中的多尺度特征,并为每... 风电功率预测对风电并网的稳定运行具有重要意义。为了解决风电功率预测中的精度和模型稳定性问题,引入了EMD-PSO-BiLSTM模型。通过经验模态分解技术将原始风电功率序列分解为一系列固有模态函数,以有效捕捉数据中的多尺度特征,并为每个模态序列建立了各自的预测模型。鉴于双向长短时记忆神经网络良好的泛化能力,建立了基于BiLSTM的各模态预测模型。进一步采用粒子群算法优化了BiLSTM参数,解决了模型非线性、高维、多模态等问题,获得了各模态分量的最优模型,并通过汇总各模态分量的结果得到了风电功率预测值。最后,以湖南省某风电场的实际运行数据为例,验证了EMD-PSO-BiLSTM模型可以有效提高风电功率短期预测精度。 展开更多

关键词 风电功率 短期预测 经验模态分解 粒子群算法 双向长短期记忆网络

在线阅读 下载PDF 职称材料

基于LSTM和粒子群算法的多机组风电功率预测 被引量：3

8

作者 吴振龙 莫艺鹏 +3 位作者 王荣花 范鑫雨 刘艳红 郭小联 《郑州大学学报（工学版）》 CAS 北大核心 2024年第6期114-121,共8页

目前,风电功率预测所使用的模型想要达到预测效果,需要对模型选择合适的超参数,但手动调参数时间成本大、可信度较低。基于此,提出了一种基于长短期记忆网络(LSTM)的多机组风电功率预测方法。首先,采用斯皮尔曼相关系数法对数据进行量... 目前,风电功率预测所使用的模型想要达到预测效果,需要对模型选择合适的超参数,但手动调参数时间成本大、可信度较低。基于此,提出了一种基于长短期记忆网络(LSTM)的多机组风电功率预测方法。首先,采用斯皮尔曼相关系数法对数据进行量化分析;其次,运用主成分分析对输入特征进行降维,提取关键信息。除此之外,针对LSTM调参困难这一问题,采用粒子群算法对LSTM每层隐含层神经元的个数进行优化。对于多机组的风电功率预测问题,以单机组为切入点,找出单机组中表现最为优异的模型,将该预测模型应用至多机组预测。实验结果表明:与其他模型相比,所提方法均方根误差下降了11.8%,平均绝对误差下降了5.03%。 展开更多

关键词 长短期记忆网络 风电功率预测 多机组 粒子群优化算法 特征选择

在线阅读 下载PDF 职称材料

基于动态R藤Copula模型的区域风电集群超短期功率区间预测方法 被引量：12

9

作者 涂青宇 苗世洪 +3 位作者 林毓军 张迪 姚福星 韩佶 《高电压技术》 EI CAS CSCD 北大核心 2022年第2期456-466,共11页

为应对风电功率不确定性问题带来的电网安全稳定运行风险,近年来区间预测方法受到了广泛关注,但现有研究主要集中于单风电场预测领域,对于区域风电集群功率区间预测方法较少涉及。针对上述问题,建立了动态化的R藤Copula模型,提出了区域... 为应对风电功率不确定性问题带来的电网安全稳定运行风险,近年来区间预测方法受到了广泛关注,但现有研究主要集中于单风电场预测领域,对于区域风电集群功率区间预测方法较少涉及。针对上述问题,建立了动态化的R藤Copula模型,提出了区域风电集群超短期功率区间预测方法。首先,详细阐述了区域风电集群超短期功率区间预测的基本框架。其次,简要说明了基于R藤Copula模型建立多风电场预测功率和整体预测误差联合概率分布的方法。然后,分3个步骤建立了动态化的R藤Copula模型,包括:基于ARIMA-GARCH模型建立动态边缘分布模型;引入DCC、Patton模型建立动态Pair Copula模型;提出动态R藤Copula的拓扑结构计算方法。最后,结合新疆东北部9个风电场一年的数据开展了仿真。仿真结果验证了所提模型的有效性,同时表明所提模型的预测结果具有良好的可靠性、锐度和技术得分指标。论文研究可为区域风电集群超短期功率区间预测提供参考。 展开更多

关键词 R藤Copula 动态模型 风电功率预测 区间预测 集群预测 超短期预测

在线阅读 下载PDF 职称材料

基于SDAE深度学习与多重集成的风电集群短期功率预测 被引量：14

10

作者 李聪 彭小圣 +3 位作者 王皓怀 车建峰 王勃 刘纯 《高电压技术》 EI CAS CSCD 北大核心 2022年第2期504-512,共9页

风电功率预测(wind power prediction,WPP)技术是电力系统调度与安全运行的关键性因素,为了更好地提升风电功率预测技术的精度,在集成学习的基础上提出了一种多重集成的集群短期WPP方法。所提方法包含4步:第1步,利用变分模式分解、经验... 风电功率预测(wind power prediction,WPP)技术是电力系统调度与安全运行的关键性因素,为了更好地提升风电功率预测技术的精度,在集成学习的基础上提出了一种多重集成的集群短期WPP方法。所提方法包含4步:第1步,利用变分模式分解、经验模态分解和小波变换将原始风电序列分解为多个子序列;第2步,根据子序列构造多个堆叠去噪自动编码器(stacked denoising autoencoders,SDAE)进行深度学习;第3步,将第2步的结果随机划分成几个集合,利用支持向量机(support vector machine,SVM)对每个集合进行集成;第4步,将第3步的集成的结果再随机划分成几个集合,利用SVM对每个集合进行集成,重复以上步骤直至得到最终的集成预测结果。结果表明,多重集成学习得到前96 h预测结果的平均归一化均方根误差相比单次集成减少了0.0101,百分比为9.01%;相比SDAE减少了0.0151,百分比为13.54%;相比SVM减少了0.0175,百分比为14.66%。论文研究可为基于深度学习和集成学习的风电集群短期功率预测提供参考。 展开更多

关键词 信号分解技术 深度学习 集成学习 风电 短期预测 风电集群功率预测

在线阅读 下载PDF 职称材料

基于集群划分的区域短期风电功率预测模型 被引量：5

11

作者 黄秋红 王霄 +1 位作者 杨靖 范圆成 《电力科学与工程》 2022年第12期8-17,共10页

首先,利用自适应K-means聚类算法对区域风电场进行合理集群划分,并选择集群内各风电场历史功率数据与集群总历史功率数据间相关系数大的风电场为集群特征点;其次,为各集群特征点分别建立基于改进粒子群(improved particle swarm optimiz... 首先,利用自适应K-means聚类算法对区域风电场进行合理集群划分,并选择集群内各风电场历史功率数据与集群总历史功率数据间相关系数大的风电场为集群特征点;其次,为各集群特征点分别建立基于改进粒子群(improved particle swarm optimization,IPSO)优化的长短期神经网络(long short-term memory,LSTM)风电功率预测模型(IPSO-LSTM);最后,以各集群特征点的功率预测值为输入,利用IPSO-LSTM模型预测各集群的风电功率,以各集群风电功率预测值之和为该区域的风电功率预测结果。以实际数据为算例的仿真结果表明,所提方法不仅克服了人为确定LSTM参数的缺点,且相比于直接相加法,能更好地拟合实际风电功率曲线,具有更高的预测精度。 展开更多

关键词 集群划分 区域风电功率预测 自适应K-means 改进粒子群优化 长短期神经网络

在线阅读 下载PDF 职称材料

基于集群动态划分与BLSTM深度学习的风电集群短期功率预测 被引量：53

12

作者 杨子民 彭小圣 +3 位作者 郎建勋 王洪雨 王勃 刘纯 《高电压技术》 EI CAS CSCD 北大核心 2021年第4期1195-1203,共9页

风电集群的整体功率预测对区域风电的优化调度具有重要意义,现有集群预测方法并未考虑集群内各风电场数值天气预报(numerical weather prediction, NWP)信息在时间序列上的差异性波动,并按此进行集群的合理划分。为此,提出了基于天气过... 风电集群的整体功率预测对区域风电的优化调度具有重要意义,现有集群预测方法并未考虑集群内各风电场数值天气预报(numerical weather prediction, NWP)信息在时间序列上的差异性波动,并按此进行集群的合理划分。为此,提出了基于天气过程动态划分的风电集群短期功率预测方法。首先将96 h时间尺度的待预测样本均分成16份等时长的子样本;然后对每份子样本分别进行集群的聚类与划分;再依据划分结果构建各子样本所含子集群的训练集;最后通过双向长短期记忆(bidirectional long short-term memory,BLSTM)人工神经网络对各子集群进行功率预测。算例结果表明,所提方法在4 h超短期预测、24 h日前预测、96 h短期预测中相较统计升尺度法可分别提高1.69%、0.77%和0.59%的精度。论文研究可为风电集群划分和短期功率预测提供参考。 展开更多

关键词 风电场 功率预测 集群划分 聚类分析 深度学习 神经网络

在线阅读 下载PDF 职称材料

基于集群划分的短期风电功率预测方法 被引量：28

13

作者 王勃 刘纯 +3 位作者 冯双磊 丘刚 孟祥星 赵俊屹 《高电压技术》 EI CAS CSCD 北大核心 2018年第4期1254-1260,共7页

风电功率预测的快速全覆盖对区域风电的优化调度意义重大,现有预测算法均无法解决这一问题。为此,采用模糊聚类分析实现对风电场出力特性的有效识别和风电场集群的合理划分,将主成分分析用于区域空间特征气象参数的提取,建立了基于集群... 风电功率预测的快速全覆盖对区域风电的优化调度意义重大,现有预测算法均无法解决这一问题。为此,采用模糊聚类分析实现对风电场出力特性的有效识别和风电场集群的合理划分,将主成分分析用于区域空间特征气象参数的提取,建立了基于集群划分的区域风电功率预测技术框架。算例结果表明,单个集群的预测精度略低于传统逐风电场建模的预测精度;随着预测范围的扩大,区域集群预测与传统预测方法的精度相当,但建模量明显减少。基于集群划分的短期风电功率预测方法可在保证预测精度的同时,显著提升建模效率。 展开更多

关键词 风电场 功率预测 数值天气预报 集群划分 模糊聚类分析

在线阅读 下载PDF 职称材料

基于自适应扰动量子粒子群算法参数优化的支持向量回归机短期风电功率预测 被引量：47

14

作者 陈道君 龚庆武 +2 位作者 金朝意 张静 王定美 《电网技术》 EI CSCD 北大核心 2013年第4期974-980,共7页

智能电网的建设和大规模风电接入电网对短期风电功率预测精度提出了更高的要求。为了克服支持向量回归机(support vector regression machine,SVR)依赖人为经验选择学习参数的弊端,在量子粒子群优化(quantum-behaved particle swarm opt... 智能电网的建设和大规模风电接入电网对短期风电功率预测精度提出了更高的要求。为了克服支持向量回归机(support vector regression machine,SVR)依赖人为经验选择学习参数的弊端,在量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法中加入自适应早熟判定准则、混合扰动算子和动态扩张收缩系数,提出了自适应扰动量子粒子群优化算法(adaptive disturbance quantum-behaved particle swarm optimization,ADQPSO),并使用ADQPSO优化选择SVR的学习参数。实例研究表明,ADQPSO算法全局寻优能力强、鲁棒性好、计算耗时短,利用ADQPSO优化得到的SVR参数,可有效提高模型的预测精度;与反向传播神经网络(back propagation neural network,BPNN)和径向基神经网络(radial basis functionneural network,RBFNN)相比,提出的ADQPSO-SVR能够提高短期风电功率预测的准确性和稳定性。 展开更多

关键词 短期风电功率预测 学习参数选择 自适应扰动量子粒子群优化算法 支持向量回归机

在线阅读 下载PDF 职称材料

基于特征重组与IQPSO-BILSTM-RF的短期风电功率预测

15

作者 王嘉琪 张玲华 胡枫 《软件导刊》 2024年第12期10-17,共8页

短期风电功率预测对电力系统正常运转至关重要,为了提升风电功率预测精度,提出基于特征重组方法和改进量子粒子群算法(IQPSO)优化双向长短期记忆网络(BILSTM)与随机森林(RF)的短期风电功率预测组合模型。首先,运用局部均值分解处理风电... 短期风电功率预测对电力系统正常运转至关重要,为了提升风电功率预测精度,提出基于特征重组方法和改进量子粒子群算法(IQPSO)优化双向长短期记忆网络(BILSTM)与随机森林(RF)的短期风电功率预测组合模型。首先,运用局部均值分解处理风电数据得到多个子分量,并计算其模糊熵以重组新特征分量。其次,采用IQPSO优化的BILSTM预测特征分量,将各分量结果叠加得到初步预测值。最后,使用IQPSO优化的RF对初步预测值进行误差修正。实验表明,该模型决定系数(R^(2))达到了0.99425,优于其他模型,消融实验也验证了各模块的必要性。 展开更多

关键词 风电功率预测 特征重组 改进量子粒子群优化算法 双向长短期记忆网络 随机森林 误差修正

在线阅读 下载PDF 职称材料

基于爬坡特征与改进PRAA的深远海风电功率短期预测研究

16

作者 黄冬梅 张佳慧 +2 位作者 时帅 宋巍 杜伟安 《电力科学与技术学报》 CAS CSCD 北大核心 2024年第3期187-198,共12页

深远海海域情况复杂,海面风速极易受海洋中尺度事件影响。所造成的异常数据点和Bump事件将导致爬坡检测准确率下降,影响深远海风电功率短期预测精度。因此,提出了一种同时考虑爬坡事件以及深远海气象因素的深远海风电功率短期预测方法... 深远海海域情况复杂,海面风速极易受海洋中尺度事件影响。所造成的异常数据点和Bump事件将导致爬坡检测准确率下降,影响深远海风电功率短期预测精度。因此,提出了一种同时考虑爬坡事件以及深远海气象因素的深远海风电功率短期预测方法。首先,设计基于状态标记和滑动窗口改进的参数和分辨率自适应算法(parameter and resolution adaptive algorithm,PRAA)实现爬坡事件检测并完成特征量提取;其次,分析深远海风速、风向及温度等多因素关联关系,扩充深远海气象因素特征样本维度,并通过主成分分析法(principal component analysis,PCA)深度挖掘潜在特征;最后,基于某海上风电场的实测数据,采用考虑爬坡和深远海气象因素的轻量梯度提升机(light gradient boosting machine,LightGBM)算法完成深远海风电功率的短期预测,仿真结果验证了所提方法的有效性。 展开更多

关键词 深远海风电 风电功率爬坡事件 PRAA 爬坡特征量 风电功率短期预测

在线阅读 下载PDF 职称材料

基于出力模式匹配的风电集群点多时间尺度功率预测 被引量：22

17

作者 刘燕华 刘冲 +1 位作者 李伟花 张东英 《中国电机工程学报》 EI CSCD 北大核心 2014年第25期4350-4358,共9页

风电集群点出力预测是提高大规模风电接入条件下电力系统运行安全性和经济性的有效手段。针对风电集群点出力的模式性,利用元组向量表示其变化趋势,通过元组向量时间扭曲法对当前出力模式在历史出力模式库中进行匹配,以时间偏移量、时... 风电集群点出力预测是提高大规模风电接入条件下电力系统运行安全性和经济性的有效手段。针对风电集群点出力的模式性,利用元组向量表示其变化趋势,通过元组向量时间扭曲法对当前出力模式在历史出力模式库中进行匹配,以时间偏移量、时间压缩率、幅值压缩率3个修正参数表征相似出力模式的差异性,结合匹配结果对风电集群点出力进行预测。实际应用结果表明,该方法可以取得较为理想的效果,参数修正能够提高预测精度,使预测结果更加合理。 展开更多

关键词 风电场集群 功率预测 元组向量 模式匹配元 组向量时间扭曲

在线阅读 下载PDF 职称材料

基于集群划分的光伏电站集群发电功率短期预测方法 被引量：36

18

作者 卢俊杰 蔡涛 +2 位作者 郎建勋 彭小圣 程凯 《高电压技术》 EI CAS CSCD 北大核心 2022年第5期1943-1951,共9页

光伏发电集群的功率预测对区域光伏发电的优化调度意义重大。为提升光伏电站集群功率预测精度,提出了基于K均值聚类划分的光伏集群短期功率预测方法,以场站光伏发电特征为参照,进行集群聚类划分,并引入带补偿偏置的长短期记忆网络(bias ... 光伏发电集群的功率预测对区域光伏发电的优化调度意义重大。为提升光伏电站集群功率预测精度,提出了基于K均值聚类划分的光伏集群短期功率预测方法,以场站光伏发电特征为参照,进行集群聚类划分,并引入带补偿偏置的长短期记忆网络(bias compensation long short-term memory network,BC-LSTM)进行功率预测。算例结果表明,使用带补偿偏置的长短期记忆网络相较于长短期记忆网络网络(long short-term memory network,LSTM)能够提升约0.6%的预测精度,使用集群累加法相较于统计升尺度法和累加法也能够提升约0.5%的预测精度。 展开更多

关键词 光伏集群电站 功率预测 集群划分 K均值聚类 带补偿偏置的长短期记忆神经网络 集群累加法

在线阅读 下载PDF 职称材料

基于机器学习的集群式风光一体短期功率预测技术 被引量：14

19

作者 崔杨 陈正洪 许沛华 《中国电力》 CSCD 北大核心 2020年第3期1-7,共7页

针对区域风、光电站群的功率预测,由于各站建站时间不同、单站预报精度残次不齐,导致传统的单站功率累加法预测精度和运行效率不高的问题,采用基于机器学习的二分K均值聚类算法分别对区域内的风电场和光伏电站群进行合理划分,结合区域... 针对区域风、光电站群的功率预测,由于各站建站时间不同、单站预报精度残次不齐,导致传统的单站功率累加法预测精度和运行效率不高的问题,采用基于机器学习的二分K均值聚类算法分别对区域内的风电场和光伏电站群进行合理划分,结合区域内各电站历史功率数据及区域总历史功率数据的相关性,选取出各区域的代表电站。在对数值预报要素进行优化订正后,采用BP神经网络法建立基于风电场和光伏电站集群划分的短期功率预测框架模型。结果表明:采用该方法的集群式风电和光伏短期功率预测准确率高于或接近于传统单站累加的预测精度,且该方法在保证预测精度的同时,能够显著提高建模效率。 展开更多

关键词 风电场 光伏电站 集群划分 短期功率预测 二分K均值聚类

在线阅读 下载PDF 职称材料

计及风电功率波动影响的风电场集群无功电压协调控制策略 被引量：43

20

作者 杨硕 王伟胜 +1 位作者 刘纯 黄越辉 《中国电机工程学报》 EI CSCD 北大核心 2014年第28期4761-4769,共9页

针对大规模风电场集群区域有功出力随机波动、无功设备种类繁杂等典型特征引起的无功电压问题,提出一种计及风电功率波动影响的风电场集群无功电压协调控制策略。该策略根据风电功率预测信息、当前运行信息和历史断面信息建立多目标优... 针对大规模风电场集群区域有功出力随机波动、无功设备种类繁杂等典型特征引起的无功电压问题,提出一种计及风电功率波动影响的风电场集群无功电压协调控制策略。该策略根据风电功率预测信息、当前运行信息和历史断面信息建立多目标优化控制模型,并采用基于过滤集合的内点算法求解。通过利用汇集站和风电场的自动电压控制子站实现闭环控制,该控制策略能够对集群区域内离散设备和动态设备的动作响应实行差异化管理。对中国"三北"地区某实际风电场集群地区进行仿真计算,结果表明,所提控制策略能够改善中枢节点的电压控制效果,协调离散设备和动态设备的运行配合,维持集群区域的静态电压稳定性。 展开更多

关键词 风电场集群 无功电压控制 风电功率预测 多目标优化 差异化管理 电压稳定性

在线阅读 下载PDF 职称材料