基于统计聚类分析短期风电功率预测

《基于统计聚类分析短期风电功率预测》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第39卷第11期电力系统保护与控制v01．39N0．112011年6月1日PowerSystemProtectionandControlJun．1，2011基于统计聚类分析的短期风电功率预测方江晓，周晖，黄梅，T．S．Sidhu．(1．北京交通大学电气工程学院，北京100044；2．DepartmentofE1ectriCPowerEngineering，UniversityofWesternOntario，London，Canada，N6A5B9)摘要：考虑到短期风电功率预测模型建立时，样本的选取对预测模型的精度有较大影响，

2、提出了运用聚类方法对历史风速数据进行处理，实现了历史数据的自动分类。根据预测日的平均风速和最大风速等特征参数，按照相似度最大的原则，选择合适的类别作为预测建模用的训练样本。运用时间序列方法，建立风速预测模型，与不经过预处理的相比，所建立预测精度得到了提高，验证了运用聚类进行数据预处理的正确性。运用风力发电机的出力曲线，得到了未来日的风电功率的预测值，为含风电系统的电力系统运行计划的制定，提供了基础数据支持。关键词：风电预测；聚类分析；最大相似度；时间序列模型Short-termwindpowerpredictionbasedo

3、nstatisticalclusteringanalysisFANGJiang．xia0，ZHOUHui，-，HUANGMei，T．S．Sidhu(1．SchoolofElectricalEngineering，BeijingJiaotongUniversity，Beijing100044，China；2．DepartmentofElectricPowerEngineering，UniversityofWestemOntario，London，Canada，N6A5B9)Abstract：Consideringthatinth

4、eprocessofestablishingshort-termwindpowerpredictionmodel，thesampleselectionwouldaffectthepredicationaccuracyofwindpowermodel，itisnecessarytoprocessthehistorywindspeeddatapriortomodeling．Dataclassificationisautomaticallyaccomplishedthroughthestatisticalclusteringappr

5、oach．Withthecriterionofmaximalsimilarity，weselectagroupofdataasoHrtrainedsamplesaccordingtotheaverageandmaximumwindspeedofpredictionday．ThenweestablishthepredictionmodelofwindspeedbasedonARIMAprocess．ComparedwiththeconventionalARIMAprocess，thepredictionaccuracyusing

6、statisticclusteringapproachweproposedisimproved．Anexampleisusedtoverifythecorrectnessofourassumption．Finally，withpowercurveofawindturbine，anticipatedwindpoweriseasilygotten，whichoffersvaluablereferencefordrawingoutoperationscheduleofpowersystemintegratedwithwindpowe

7、r．Keywords：predictionofwindpower；statisticalclustering；maximalsimilarity；ARIMAprocess中图分类号：TM715文献标识码：A文章编号：1674—3415(2011)11-0067．07分析法(Waveletanalysis)，以及模糊预测方法(如0引言ANFIS)，支持向量机(sVM)等均在风电功率预风电预测，是风电接入研究的一个关键问题。测中有所应用，其预测的相对误差在25％~40％水提高风电预测的准确性，可以减少含风电接入电力平L2J。由于A

8、RIMA时间序列方法，可以针对不平系统调度计划的不确定性，这样既提高了系统运行稳时间序列进行建模，且只需知道风电场单一的风的安全性，也提高了经济性【JJ。速或功率数据，简单易行且预测效果较好，已被广目前风电功率的预测，在国内外都是一个热点泛用于风速和发电功率的预测中。研究问题