基于曲线形态特征的地区规模化风电出力场景划分

被引：10

作者：

林俐 ^{[1
]}

肖舒 ^{[1
]}

费宏运 ^{[2
]}

潘险险 ^{[3
]}

机构：

[1] 华北电力大学电气与电子工程学院新能源电力系统国家重点实验室

[2] 广东电网有限责任公司东莞供电局

[3] 广东电网有限责任公司电网规划研究中心

来源：

电网与清洁能源 | 2020年 / 36卷 / 03期

基金：

国家高技术研究发展计划(863计划);

关键词：

规模化风电; 聚类划分; 典型场景; 形态距离;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

目前多采用基于欧式距离的聚类方法对风电出力场景进行聚类划分,其结果反映时间序列曲线的幅度大小差异,而未反映曲线的形态特征及变化趋势的不同。据此,文中提出一种基于曲线形态特征的地区规模化风电出力场景划分方法。针对地区规模化风电出力时间序列曲线,定义考虑序列互相关性的"形态距离(shape-based distance,SBD)",将其作为聚类算法的相似性度量函数,进一步给出基于形态距离的时间序列样本聚类划分过程。然后以某含规模化风电的实际地区为研究对象,提取该地区春季风电出力典型场景,并与传统K-means聚类算法的结果进行对比分析,验证所提方法的有效性。最后运用文中方法提取了该地区各个季节不同风况下的风电出力典型场景。

引用

页码：74 / 81+88 +88

页数：9

共 25 条

[1]

基于K均值模式划分改进模糊聚类与BP神经网络的风力发电预测研究 [J].