基于大型风电场机组分类的功率预测研究

发布时间：2021-11-09 18:20

　　大型风电场的风电功率输出具有波动性,风电功率的波动性在并网时会冲击电力系统,影响电力系统的安全、稳定和经济运行,对电力系统安全稳定运行带来挑战,风电功率预测可以跟踪风电场的风电功率输出并进行功率预测,使电力系统合理作出调度计划,是解决该问题的有效方法之一。一般的风电功率预测方法用风电场内特定风机位置的风况来代表整个风电场的风况进行预测,但对大型风电场而言,该预测方法难以保证风电场功率的预测精度;若对风电场内每台风电机组进行建模预测,则预测的计算时间过长,无法满足电力系统对风电场功率预测的要求。对大型风电场的风电机组进行分类,将风电场内特性相近的风电机组划分为一类,用机组分类的结果来进行风电场功率预测,可提高预测精度、降低预测过程的复杂度和预测时间。因此,基于大型风电场机组分类的功率预测研究是大型风电场提高风电预测预测精度、改善计算效率的方法之一。本文研究了基于大型风电场机组分类的功率预测问题,主要工作包括:（1）利用K-means聚类算法建模,对算例33台风电机组进行分类聚类仿真,得到了机组分类数目K=3⁷的聚类结果。利用聚类算法的分类评价指标戴维森堡丁（DBI）... 

【文章来源】：华北水利水电大学河南省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

神经元结构示意图

【参考文献】：
期刊论文
[1]基于改进划分聚类方法的大数据处理算法[J]. 曹硕.  电子世界. 2018(18)
[2]基于经验模态分解与特征相关分析的短期负荷预测方法[J]. 孔祥玉,李闯,郑锋,于力,马溪原.  电力系统自动化. 2019(05)
[3]基于聚类分析与神经网络的电力系统负荷预测[J]. 刘田梦,王丽婕,马嫒.  北京信息科技大学学报(自然科学版). 2018(04)
[4]高维数据聚类中相似性度量方法的研究[J]. 李慧敏,李川,翟祥.  市场研究. 2018(06)
[5]混合类型数据的聚类算法综述[J]. 陈绪,严金戈.  信息与电脑(理论版). 2018(07)
[6]基于改进经验模态分解的三维重建[J]. 李绪琴,陈文静,苏显渝.  四川大学学报(自然科学版). 2018(01)
[7]分布式K-means聚类算法研究与实现[J]. 李斌,李蓉,周蕾.  软件. 2018(01)
[8]K-means算法最佳聚类数评价指标研究[J]. 郭靖,侯苏.  软件导刊. 2017(11)
[9]基于稀疏约束非负矩阵分解的K-Means聚类算法[J]. 韩素青,贾茹.  数据采集与处理. 2017(06)
[10]K-means聚类算法及改进[J]. 徐晓聪.  信息与电脑(理论版). 2017(16)

博士论文
[1]基于局部中心量度的聚类算法研究[D]. 王志强.华南理工大学 2018
[2]风电场内机组优化调度研究[D]. 张晋华.华北电力大学 2014
[3]基因表达数据的相似性度量和特征提取研究[D]. 王文俊.西安电子科技大学 2011

硕士论文
[1]基于经验模态分解的时间序列预测研究[D]. 成小林.大连理工大学 2018
[2]基于经验模态分解和神经网络的非线性信号预测[D]. 王思亮.西安邮电大学 2018
[3]基于相关向量机的风电功率短期预测及其不确定性研究[D]. 吴文静.华北水利水电大学 2018
[4]风电场功率时间序列分析及预测方法研究[D]. 娜仁图雅.天津大学 2017
[5]风电功率预测误差不确定性建模研究[D]. 张晓丹.北京交通大学 2016
[6]风电场风电功率概率预测研究[D]. 胡汉.东南大学 2016
[7]大型风电场分组建模方法及其在功率预测中的应用[D]. 高小力.华北电力大学 2015
[8]聚类有效性指标结构分析及应用[D]. 包秀娟.天津大学 2014
[9]经验模态分解算法应用研究[D]. 岳相臣.西安电子科技大学 2013
[10]用于电力系统仿真的风电场等值模型研究[D]. 张坤.华北电力大学（北京） 2011



本文编号：3485845