基于聚类分析的风电场短期功率预测方法研究
The Study of Short-Term Wind Power Generation Prediction Methods Based on Clustering Analysis in Wind Farm

作者: 董 存 :国家电网公司,北京; 高 爽 , 郝 颖 :北京理工大学,北京; 高 阳 :沈阳工程学院,辽宁 沈阳;

关键词: 短期功率预测聚类分析K均值聚类法日相似性数值天气预报(NWP)Short-Term Wind Power Generation Prediction Clustering Analysis K-Means Clustering Method Daily Similarity Property Numerical Weather Prediction (NWP)

摘要:
为了充分利用历史风速数据所蕴含的信息,本文根据风速和风电功率的日相似性提出基于聚类分析的短期功率预测方法,通过对原样本数据进行预处理,选取与预测日NWP特征参数相似的历史日数据,以此作为建立模型的训练样本,将气象部门提供预测日的NWP信息作为预测日的特征参数,计算特征参数间的欧式距离,以此作为相似性度量的依据,最后利用聚类后的相似样本建立预测模型,以NWP数据为输入参数,实际风电功率为目标值,经过训练后得到聚类风电功率短期预测模型。经实际风电场测试,预测精度明显提高。

Abstract: In order to make full use of information contained from historical wind data, this paper proposed a short-term power prediction method based on clustering analysis according to the daily similarity property of wind speed and wind power. By the preprocessing of the original sample data, when calculating the Euclidean distance among the characteristic parameters, the history data which are similar to the NWP characteristic parameter of the prediction day are used as the training sample; the NWP information provided by the meteorological department is used as the characteristic parameter of the prediction day. This Euclidean distance is used to be the basis of the similarity measure. Finally, this paper uses the similar samples after clustering to establish the short-term prediction model which is using the NWP data as the input parameter, using the actual wind power generation as the target data. Testing by the actual wind farms, the prediction precision is improved obviously.

文章引用: 董 存 , 高 爽 , 郝 颖 , 高 阳 (2015) 基于聚类分析的风电场短期功率预测方法研究。 可持续能源, 5, 17-23. doi: 10.12677/SE.2015.53003

参考文献

[1] 朱峰, 孙辉, 周玮 (2008) 基于相似日聚类的神经网络风速预测. 新能源发电, 中国高等学校电力系统及其自动化专业第二十四届学术年会论文集, 北京, 2008年10月24日, 2627-2630.

[2] 殷君伟 (2013) K-均值聚类算法改进及在服装生产的应用研究. 硕士论文, 苏州大学, 苏州.

[3] 李尤丰 (2009) 图像处理技术在硬度测量系统中的应用研究. 硕士论文, 南京理工大学, 南京.

[4] 黄山山 (2011) 南京电信网厅用户行为分析系统的设计实现与应用. 硕士论文, 南京理工大学, 南京.

[5] 古家声 (2012) 数据挖掘技术在寿险客户分析中的应用. 硕士论文, 华南理工大学, 广州.

[6] 刘蕴 (2009) 基于启发式方法的集成生产-配送调度研究. 硕士论文, 天津大学, 天津.

[7] 骆永健 (2010) 基于聚类的数据流异常检测算法的研究. 硕士论文, 哈尔滨工程大学, 哈尔滨.

[8] 汪瑛 (2009) 数据挖掘在燃气系统中的应用研究. 硕士论文, 南京理工大学, 南京.

分享
Top