| 一种短期风电功率集成预测方法 |
| |
| 引用本文： | 张颖超,郭晓杰,叶小岭,邓华.一种短期风电功率集成预测方法[J].电力系统保护与控制,2016,44(7):90-95. |
| |
| 作者姓名： | 张颖超 郭晓杰 叶小岭 邓华 |
| |
| 作者单位： | 南京信息工程大学信息与控制学院，江苏 南京 210044；南京信息工程大学气象灾害预报预警与评估协同创新中心，江苏 南京 210044,南京信息工程大学信息与控制学院，江苏 南京 210044,南京信息工程大学信息与控制学院，江苏 南京 210044；南京信息工程大学气象灾害预报预警与评估协同创新中心，江苏 南京 210044,南京信息工程大学信息与控制学院，江苏 南京 210044；南京信息工程大学气象灾害预报预警与评估协同创新中心，江苏 南京 210044 |
| |
| 基金项目： | 江苏省六大人才高峰资助项目(WLW-021)；国家公益性行业(气象)科研专项资助项目(GYHY201106040)；江苏省高校优势学科建设工程资助项目 |
| |
| 摘 要： | 为提高短期风电功率预测精度，缩短模型训练时间，提出了一种短期风电功率集成预测方法。根据风速功率曲线和风速频率特征，将风速划分为高、中、低三段，并对每段的风速功率特征进行统计分析。高、低风速段功率波动较大，使用最小二乘支持向量机(Least Squares Support Vector Machine，LSSVM)方法可取得较高的预测精度。中风速段风速数据点较多，且风速和功率有明显的物理关系，使用高斯(Gaussian)模型预测。并用风速功率等级表对各段预测的结果进行订正，保证了算法的稳定性。用上海某风电场2014年的历史数据，验证了Gaussian模型以及高、中、低风速段对应的预测算法选取的合理性。与LSSVM预测方法相比较，集成预测方法既提高了预测精度又缩短了预测时间，适合风电场短期功率的实时预测。
|
| 关 键 词： | 短期风电功率预测 集成预测方法 Gaussian模型 LSSVM Weibull |
| 收稿时间： | 2015/6/19 0:00:00 |
| 修稿时间： | 2015/7/27 0:00:00 |
An integrated forecasting method of short-term wind power |
| |
| ZHANG Yingchao,GUO Xiaojie,YE Xiaoling and DENG Hua.An integrated forecasting method of short-term wind power[J].Power System Protection and Control,2016,44(7):90-95. |
| |
| Authors: | ZHANG Yingchao GUO Xiaojie YE Xiaoling and DENG Hua |
| |
| Affiliation: | Nanjing University of Information Science & Technology, Nanjing 210044, China; Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China,Nanjing University of Information Science & Technology, Nanjing 210044, China,Nanjing University of Information Science & Technology, Nanjing 210044, China; Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China and Nanjing University of Information Science & Technology, Nanjing 210044, China; Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China |
| |
| Abstract: | |
| |
| Keywords: | short-term wind power prediction integrated prediction method Gaussian model LSSVM Weibull |
|
| 点击此处可从《电力系统保护与控制》浏览原始摘要信息 |
|
点击此处可从《电力系统保护与控制》下载全文 |
|
