风力发电机组出力组合区间预测算法

被引：6

作者：

陈伟

蒲跃

裴喜平

李恒杰

张萍

吴丽珍

机构：

[1] 兰州理工大学电气工程与信息工程学院

来源：

兰州理工大学学报 | 2015年 / 41卷 / 06期

关键词：

模糊信息粒化; 最小二乘支持向量机; 混沌时间序列; 出力区间预测;

D O I：

10.13295/j.cnki.jlut.2015.0053

中图分类号：

TM315 [风力发电机];

学科分类号：

080802 [电力系统及其自动化];

摘要：

论述风电机组出力的准确预测对含大规模风电场电力系统的经济、安全运行具有重要意义,提出基于模糊信息粒化-最小二乘支持向量机和混沌时间序列的出力组合区间预测方法.首先用最大-最小贴进度的方法建立风速组合区间预测模型,然后在风速区间预测的基础上,通过风速与出力之间的关系-功率曲线,得到风电机组出力在未来时刻的变化区间.对提出的预测模型,使用甘肃酒泉某风电场和美国Wisconsin州Butler ridge风电场的现场实测数据进行测试验证,结果表明通过该预测模型得到的风电机组出力变化区间具有较高的精度和置信水平.

引用

页码：84 / 89

页数：6

共 9 条

[1]

An Improved Axiomatic Definition of Information Granulation [J].

Zhu, Ping .

FUNDAMENTA INFORMATICAE, 2012, 120 (01) :93-109

[2]

Current methods and advances in forecasting of wind power generation.[J].Aoife M. Foley;Paul G. Leahy;Antonino Marvuglia;Eamon J. McKeogh.Renewable Energy.2011, 1

[3]

A hybrid model of self-organizing maps (SOM) and least square support vector machine (LSSVM) for time-series forecasting [J].

Ismail, Shuhaida ;

Shabri, Ani ;

Samsudin, Ruhaidah .

EXPERT SYSTEMS WITH APPLICATIONS, 2011, 38 (08) :10574-10578

[4]

An application of fuzzy information granulation in the emerging area of online sports.[J].Muammer Ozer.Expert Systems With Applications.2010, 4

[5]

A hybrid statistical method to predict wind speed and wind power.[J].Hui Liu;Hong-Qi Tian;Chao Chen;Yan-fei Li.Renewable Energy.2009, 8

[6]

基于LS-SVM软传感器的容错控制方法及应用 [J].

李炜 ;

张婧瑜 .

兰州理工大学学报, 2014, 40 (05) :77-81

[7]

A physical approach of the short-term wind power prediction based on CFD pre-calculated flow fields.[J].LI Li;LIU Yong-qian;YANG Yong-ping;HAN Shuang;WANG Yi-mei;.Journal of Hydrodynamics.2013, 01

[8]

基于最大—最小贴近度的最优组合预测模型 [J].

袁宏俊 ;

杨桂元 .

运筹与管理, 2010, 19 (02) :116-122+128

[9]

风电场功率预测物理方法研究 [J].

冯双磊 ;

王伟胜 ;

刘纯 ;

戴慧珠 .

中国电机工程学报, 2010, 30 (02) :1-6

← 1 →