1. 中广核新能源山东分公司
2. 山东昭诚电力科技有限公司
3. 山东大学
Published:2025
移动端阅览
[J]. 2025, (9): 125-131.
DOI:
[J]. 2025, (9): 125-131. DOI: 10.26963/j.psce.2025.09015.
针对风力发电具有的强波动性、易受气象影响的特性,提出一种考虑多元气象特征动态聚类的短期风电功率预测,对不同气象条件下风电出力特性的差异进行深入探讨。首先,利用近邻传播聚类算法对数值天气预报进行聚合分类,筛选出典型气象场景;其次,基于不同气象场景,优选基础预测子模型,构建适用于多场景的风电功率组合预测模型;最后,通过山东省某地实际风电场的运行数据对预测方法进行验证。实验结果表明,相比于传统预测方法,所提方法使风电功率的预测有较高的精准度和稳定性。
熊音笛,刘开培,秦亮,欧阳庭辉,何佳奕.基于时序数据动态天气划分的短期风电功率预测方法[J].电网技术,2019(09).
周小麟,童晓阳.基于CEEMD-SBO-LSSVR的超短期风电功率组合预测[J].电网技术,2021(03).
吴浩天,孙荣富,廖思阳,柯德平,徐箭,徐海翔.基于改进气象聚类分型的短期风电功率概率预测方法[J].电力系统自动化,2022(15).
陈静,邓真平,刘兰兰,龚加兴.基于相似性权系数改进Bagging-DNN的负荷时序预测方法[J].电工技术,2023(16).
丁婷婷.考虑气象分类的短期风电功率组合预测方法研究[D].山东大学,2022(02).
Fei Wang,Zhaofeng Chen,Cao Wu,Yong Yang.Prediction on sound insulation properties of ultrafine glass wool mats with artificial neural networks[J].Applied Acoustics,2019.
0
Views
1
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution