共查询到10条相似文献,搜索用时 66 毫秒
1.
2.
目前多采用基于欧式距离的聚类方法对风电出力场景进行聚类划分,其结果反映时间序列曲线的幅度大小差异,而未反映曲线的形态特征及变化趋势的不同。据此,文中提出一种基于曲线形态特征的地区规模化风电出力场景划分方法。针对地区规模化风电出力时间序列曲线,定义考虑序列互相关性的“形态距离(shape-based distance,SBD)”,将其作为聚类算法的相似性度量函数,进一步给出基于形态距离的时间序列样本聚类划分过程。然后以某含规模化风电的实际地区为研究对象,提取该地区春季风电出力典型场景,并与传统K-means聚类算法的结果进行对比分析,验证所提方法的有效性。最后运用文中方法提取了该地区各个季节不同风况下的风电出力典型场景。 相似文献
3.
针对海上数值天气预报(NWP)精度低、气象因素复杂等特点,提出一种基于改进的双向降噪自编码器(BDAE)和多元时序聚类的短期海上风电功率预测方法。首先,利用Toeplitz矩阵逆协方差聚类(TICC)进行风况相似性分类,即根据30、70、100 m海上NWP风速进行多元序列实时分割与聚类;然后,针对不同风况类型分别建立可提取过去、未来双向有效信息的改进BDAE修正模型,以修正轮毂高度风速的预测误差;最后,基于修正后的轮毂高度风速以及其余NWP数据,利用TICC算法划分气象相似类型,并在此基础上建立对应的海上风电功率预测模型。采用国内某海上风电场数据进行实验验证,结果表明所提方法能提高海上风电功率预测精度,具有一定工程实用价值。 相似文献
4.
5.
6.
7.
8.
随着热工建模过程中参数的增多,根据参数之间的相关性进行分块建模成为降低模型复杂度、提高模型监测效果的有效手段之一。因此提出了一种基于互信息的自动聚类、分块建模方法。首先,获取参数之间的互信息矩阵,在此基础之上以训练数据的平均平方预测误差最小为标准,使用谱聚类算法对参数进行自动聚类。然后,分别建立每个子块对应的主成分分析(Principle component analysis, PCA)模型,并将所有子块的建模结果通过贝叶斯理论进行融合来对多个子块模型进行统一监测。最后,采用基于最小角度回归(Least angle regressions, LARS)的故障诊断方法定位故障发生的方向和幅值。通过数学案例的验证和电厂高温再热器的实际应用,表明了所提方法在故障监测和诊断方面的有效性。 相似文献
9.
10.