排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
在区域风电场风能资源评估方法中,传统的测量—关联—预测(MCP)方法未充分使用参考站的观测数据建立参考站和目标站之间风功率密度的映射关系,导致目标站长期风能资源的预测精度不高。在传统MCP组合方法的基础上,综合考虑参考站风功率密度和风向的特征组合,利用支持向量回归机(SVR)理论,建立2种不同的MCP模型,并将传统的考虑参考站风速、风向特征组合的MCP模型作为对比模型来验证所提出模型的有效性和准确性。实例研究表明,考虑参考站的风功率密度和风向特征输入的MCP模型对目标站风功率密度预测决定系数高于0.9,预测精度和适用性要明显优于传统的MCP模型,因而,该模型可用于评估区域风电场风能资源分布状况。 相似文献
2.
针对风电和光伏时序数据单独聚合改变风电-光伏序列相关性的问题,提出因子分析-极限学习机聚合方法.首先,将z-score标准化的风电-光伏原始日场景集分解为水平分量日场景集和波动分量日场景集.其次,对水平分量日场景集进行近邻传播聚类,得到K类场景簇,再通过分层抽样获取2n天的水平分量日场景集.在标准化的风电-光伏原始日场景集中选取对应2n天的原始日场景集,分别得到n天的训练集和n天的测试集.然后,通过极限学习机获取水平分量日场景集和原始日场景集之间的映射关系,输出拟合功率日场景集.最后,通过反标准化,分别得到n天的风电和光伏功率的聚合序列,并通过概率统计指标、相关系数、仿真计算结果验证所提方法的准确性和可行性. 相似文献
3.
1