期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于近邻传播聚类与MCMC算法的风电时序数据聚合方法 被引量：16
1
作者 叶林 李镓辰 +4 位作者 路朋 翟庆志 李湃 王伟胜 董凌 《中国电机工程学报》 EI CSCD 北大核心 2020年第12期3744-3753,共10页
为减少风电功率时序数据的冗余信息,提高电力系统仿真的计算效率。该文提出一种基于近邻传播聚类与马尔科夫链蒙特卡洛(affinity propagation clustering andMarkov Chain Monte Carlo,AP-MCMC)的风电功率时序数据聚合方法。首先,采用... 为减少风电功率时序数据的冗余信息,提高电力系统仿真的计算效率。该文提出一种基于近邻传播聚类与马尔科夫链蒙特卡洛(affinity propagation clustering andMarkov Chain Monte Carlo,AP-MCMC)的风电功率时序数据聚合方法。首先,采用自相关函数与快速傅里叶变换分别对风电时序数据进行时–频域周期特性分析,选取聚类场景样本的最佳时间尺度。其次,利用近邻传播(affinity propagation,AP)算法对场景样本聚类,获取多类场景簇,并基于马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)方法,构建各类场景簇间的状态转移概率矩阵,生成自定义长度的聚合状态序列,最后,按照状态序列逐次单向顺序抽取场景簇中的样本,构建成具有代表性的风电时序聚合序列。以某省级电网为算例,将提出的AP-MCMC法与典型日法、典型场景集法的多元评价指标对比分析。结果表明,AP-MCMC法生成的聚合序列能更准确地反映风电功率的特征和优化策略,提高了计算精确度和效率,具有一定的工程应用价值。 展开更多
关键词 风电时序数据 时序仿真模型 近邻传播聚类 马尔科夫链蒙特卡洛 聚合序列
在线阅读 下载PDF
风电异常测量数据智能识别方法研究 被引量：17
2
作者 范晓泉 杜大军 费敏锐 《仪表技术》 2017年第1期10-14,共5页
针对风电测量数据中不同程度存在的异常数据势必影响风电预测精度的问题,结合滑窗方法并运用两种智能算法实现了风电测量数据异常识别。首先分析了风电测量数据的时序性,然后描述了基于高密度连通区域的聚类算法和基于密度的离群点检测... 针对风电测量数据中不同程度存在的异常数据势必影响风电预测精度的问题,结合滑窗方法并运用两种智能算法实现了风电测量数据异常识别。首先分析了风电测量数据的时序性,然后描述了基于高密度连通区域的聚类算法和基于密度的离群点检测算法,并分析了两种方法的性能。最后,针对国内风电场实际测量数据,运用两种算法进行了异常测量数据的识别并在此基础上进行了风电预测,针对计算结果进行了比较分析,验证了所提策略的可行性和有效性。 展开更多
关键词 风电测量数据的时序性 异常测量数据识别 风电功率预测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部