-
题名关于利用空间相关性预测风速的评述
被引量:51
- 1
-
-
作者
薛禹胜
陈宁
王树民
文福拴
林振智
汪震
-
机构
南瑞集团公司(国网电力科学研究院)
智能电网保护和运行控制国家重点实验室
东南大学电气工程学院
新能源与储能运行控制国家重点实验室(中国电力科学研究院)
中国神华能源股份有限公司
浙江大学电气工程学院
文莱科技大学电机与电子工程系
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2017年第10期161-169,共9页
-
基金
国家自然科学基金重点项目(61533010)
NSFC-NRCT(中泰)合作研究项目(51561145011)
国家电网公司科技项目~~
-
文摘
归纳了空间相关性风速预测的现状;引入条件相关性及相应的可信相关度概念,以代替常规的相关性;基于大数据思维,提出将数据驱动与因果驱动相结合的预测框架。从历史数据中挖掘相关性,利用空间相关性增加风速预测的数据源,部分克服历史数据缺失的困难;利用大时滞的空间相关性,有助于预测下游风速的突变。最后,依托该框架展望了空间相关性风速预测的前景。
-
关键词
风速预测
空间相关性
动态特征
离线分类建模
在线特征匹配
-
Keywords
wind speed prediction
spatial correlation
dynamic features
off line modeling by classification
online featurematching
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名利用空间相关性的超短期风速预测
被引量:31
- 2
-
-
作者
陈宁
薛禹胜
丁杰
陈振龙
王维洲
汪宁渤
-
机构
东南大学电气工程学院
新能源与储能运行控制国家重点实验室(中国电力科学研究院)
南瑞集团公司(国网电力科学研究院)
智能电网保护和运行控制国家重点实验室
神华集团有限责任公司
国网甘肃省电力公司电力科学研究院
国网甘肃省电力公司风电技术中心
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2017年第12期124-130,共7页
-
基金
国家自然科学基金重点项目(61533010)
NSFC-NRCT(中泰)合作研究项目(51561145011)
国家电网公司科技项目~~
-
文摘
风速的空间相关性有助于提高其预测质量,特别是在风速突变的情况下。将"离线分类建模,在线匹配模型"的预测思路应用到利用空间相关性的超短期风速预测之中:通过历史数据的时序分析,识别其中各风电场风速存在空间相关性的时段;按其时序特征及其他的条件特征,将观察时窗内的风速序列划分为不同演化形态的样本子集;在离线环境下,分别根据各类形态的训练样本子集优化其专用的预测模型及参数;在线应用时,则根据当下窗口内风速序列的演化形态及相关的条件特征,按匹配所得模型及参数,根据参考风电场的实测数据预测目标风电场的风速。以实际的历史数据验证了所述方法的有效性。
-
关键词
风速预测
空间相关性
动态特征
离线分类建模
在线特征匹配
-
Keywords
wind speed prediction
spatial correlation
dynamic features
offline modeling by classification
online feature matching
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名风速时间序列的符号化描述
被引量:7
- 3
-
-
作者
陈宁
薛禹胜
丁杰
马进
董朝阳
刘玮
-
机构
东南大学电气工程学院
新能源与储能运行控制国家重点实验室(中国电力科学研究院)
南瑞集团公司(国网电力科学研究院)
智能电网保护和运行控制国家重点实验室
悉尼大学电气与信息工程学院
南方电网科学研究院有限责任公司
神华新能源责任有限公司
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2017年第11期33-38,共6页
-
基金
国家自然科学基金重点项目(61533010)
NSFC-NRCT(中泰)合作研究项目(51561145011)
国家电网公司科技项目~~
-
文摘
利用统计分析技术,对已知的时间序列外推,可以克服短期风速预测中缺乏因果关系的困难。但在选择外推模型、参数及学习样本等方面存在主观认识模糊性的挑战。为降低主观认识模糊性对分类预测效果的影响并提高样本分类效率,提出按变化特征来定义符号,以及用符号串描述风速时间序列的粗粒化概念。在此基础上,引入趋势特征,完善风速时间序列的符号化过程,提出单元窗口特征和趋势特征相结合的两层符号化方法。利用甘肃酒泉风电基地一年的实际数据验证了该粗粒化方法的有效性。
-
关键词
风速预测
有条件的相关性
时间序列符号化
离线分类建模
在线特征匹配
-
Keywords
wind speed prediction
conditional spatial correlation
symbolizing for time series
offline modeling by classification
online feature matching
-
分类号
TM614
[电气工程—电力系统及自动化]
-