基于改进KNN算法的风电功率实时预测研究

被引：7

作者：

杨茂 ^{[1
]}

贾云彭 ^{[1
]}

穆钢 ^{[1
]}

严干贵 ^{[1
]}

刘佳 ^{[2
]}

机构：

[1] 东北电力大学电气工程学院

[2] 泰安东平供电公司

来源：

电测与仪表 | 2014年 / 24期

关键词：

风力发电; 功率预测; 混沌时间序列; 相空间重构; C-C方法; KNN算法;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

大规模风电并入电网将对电网的规划建设、分析控制以及电能质量等方面产生显著的影响,高精度的超短期风电功率预测可以对含大规模风电电力系统的安全调度和稳定运行提供可靠的依据。文章对风电功率的超短期预测方法进行了研究,以混沌理论为基础,对相空间重构参数进行了计算,提出了基于改进KNN(KNearest Neighbor)算法的风电功率实时预测方法,并且应用多个评价指标来对预测结果进行评价,以吉林西部某风电场实测数据为例,验证了模型的有效性。

引用

页码：38 / 43

页数：6

共 13 条

[1] 基于经验模式分解和混沌相空间重构的风电功率短期预测 [J].