基于模糊C均值软聚类工况辨识的风电功率短期区间预测

被引：30

作者：

刘长良 ^{[1
,2
]}

曹威 ^{[1
]}

王梓齐 ^{[1
]}

机构：

[1] 华北电力大学控制与计算机工程学院

[2] 华北电力大学新能源电力系统国家重点实验室

来源：

华北电力大学学报(自然科学版) | 2019年 / 46卷 / 05期

基金：

北京市自然科学基金; 中央高校基本科研业务费专项资金资助;

关键词：

风电功率; 模糊软聚类; 区间预测; 工况划分; 置信区间;

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：

针对常规风电功率区间预测方法中以实发功率划分子区间有效性差的问题,提出了一种基于模糊C均值软聚类工况辨识的风电功率短期区间预测方法。模糊C均值软聚类可以将过渡工况的样本点划分到多个工况区间中,从而提高子区间划分的有效性。首先采用LSSVM建立风电功率确定性预测模型,然后基于聚类有效性,确定聚类数目,再利用模糊C均值软聚类对历史运行数据进行工况辨识从而划分为多个子区间,最后利用核密度估计计算各工况下功率预测值与真实值误差的概率密度函数,进而确定各工况的功率置信区间,完成区间预测。算例结果表明,基于模糊C均值软聚类工况辨识的风电功率区间预测方法在覆盖率和平均带宽等评价指标上优于常规方法,适合应用在风电功率短期区间预测中。

引用

页码：83 / 91

页数：9

共 22 条

[1]

基于DTW距离度量的层次聚类算法 [J].