基于最大-最小贴近度和诱导有序加权算子的风电功率短期预测模型-论文.pdf

《基于最大-最小贴近度和诱导有序加权算子的风电功率短期预测模型-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第42卷第19期电力系统保护与控制Vlo1．42No．192014年10月1日PowerSystemProtectionandControl0ct．1．2014基于最大一最小贴近度和诱导有序加权算子的风电功率短期预测模型乔梁，张露，许懿，梁伟，孙露，卢继平(1．重庆电力调度控制中心，重庆400000；2．输配电装备及系统安全与新技术国家重点实验室(重庆大学)重庆400044；3．重庆电力设计院系统处，重庆401I20)摘要：为了提高风电功率短期预测精度，将最大一最小贴近度和诱导有序加权算子相结合，提出了一种新的组合模型。根据诱导有序加

2、权算子的不同，可形成不同的组合模型，即IOWA组合模型、IOWHA组合模型和IOWGA组合模型。由于预测期的实际值未知，各单项预测模型的诱导值无法提前预知，不能直接利用该方法进行预测。利用各单项模型建立不同组合模型，选择精度较高的组合模型，用其预测值代替实际值计算诱导值，可以解决预测期诱导值的计算问题。两个不同风电场的仿真结果表明：IOWGA组合模型比某些单项模型和其他组合模型的预测精度还低，预测效果并未得到改善；IOWA组合模型和IOWHA组合模型的各项误差指标都小于单项模型和其他组合模型，预测精度都得到提高，但IOWHA组合模型的

3、各项预测评价指标都最好，预测精度更高，将它的预测值作为风电功率最终预测值，能提高风电功率预测精度。关键词：风电功率；最大一最小贴近度；IOWA组合模型；IOWHA组合模型；10WGA组合模型Windpowershort-termforecastmodelbasedonmaximum-minimumapproachdegreeandinducedorderedweightedoperatorQIAOLiang，ZHANGLuz，XUYi，LIANGWei，SUNLu，LUJi·ping(1．ChongqingElectricPowerD

4、ispatchingControlCenter,Chongqing400000，China；2．StateKeyLaboratoryofPowerTransmissionEquipment&SystemSecurityandNewTechnology(ChongqingUniversity)，Chongqing400044，China；3．ChongqingElectricPowerDesignInstitute，Chongqing401120，China)Abstract：Inordertoimprovetheaccuracyofw

5、indpowershort-termforecast．akindofnewcombinationforecastingmodelisproposedcombiningthemaximum—minimumapproachdegreewithinducedorderedweightedoperator．Accordingtodifferentinducedorderedweightedoperators，differentcombinationforecastingmodelscanbeconstructed，namely10WAcomb

6、inationmodel，10WHAcombinationmodeland10WGAcombinationmode1．Becauserealdataareunknownintheforecastperiodandinducedvalueofeverysingleforecastingmethodcarl’tbecalculatedinadvance．thismethodcannotbeusedtopredictdirectly．Forecastingvalueofthehighestaccuracycombinationforecas

7、tingmodelselectedfromdifierentcombinationmodelsbuiltbysingleforecastingmodelsinsteadofrealdatacansolvetheinducedvaluecalculation．Simulationresultsoftwodifferentwindpowerfarmsshowthatcomparedwithsomesingleforecastingmodelsandanothercombinationmodels．theforecastprecisiono

8、f10WGAcombinationmode1is1owerandpredictiveeffectisn’timproved；forecastingerrorindexsof10WAcombinationmodeland1