风资源超短期预估中的多数据源降维预处理方法研究

被引：5

作者：

鲁宗相 ^{[1
]}

李剑楠 ^{[1
]}

乔颖 ^{[1
]}

赵俊屹 ^{[2
]}

杨超颖 ^{[2
]}

机构：

[1] 电力系统及发电设备控制和仿真国家重点实验室(清华大学)

[2] 国网山西省电力公司

来源：

电网技术 | 2015年 / 39卷 / 05期

关键词：

风资源; 多数据源; 降维技术; 数据筛选; 预估方法;

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：

准确预估自然状态下的风资源是进行风电优化调度的基础。为了充分利用多数据源实现有用信息的筛选和提取来提高预估精度,同时有效控制数据规模和复杂性,在风资源超短期预估中引入数据预处理环节是必要的。因此提出了基于复相关系数的数据筛选方法及基于典型相关分析的序列降维方法,构建了多维到1维序列映射模型用于多数据源的质量提升和降维简化,作为前置数据处理环节纳入到基于遗传算法和反向传播(back propagation,BP)神经网络的风资源超短期预估方法中。最后通过实际算例证明了该数据预处理方法在提高预估精度方面具有显著的效果。

引用

页码：1275 / 1280

页数：6

共 7 条

[1]

Short-term forecasting of wind speed and related electrical power [J].