位置:成果数据库 > 期刊 > 期刊详情页
基于自适应神经模糊推理系统的风功率缺失数据补齐
  • ISSN号:1000-1026
  • 期刊名称:《电力系统自动化》
  • 时间:0
  • 分类:TK81[动力工程及工程热物理—流体机械及工程]
  • 作者机构:[1]东北电力大学现代电力系统仿真控制与绿色电能新技术吉林省重点实验室,吉林吉林132012, [2]国网通化供电公司,吉林通化130022, [3]国网淄博供电公司,山东淄博255000, [4]国网吉林供电公司,吉林吉林132012
  • 相关基金:国家自然科学基金项目(51307017); 吉林省产业技术与专项开发项目(2014Y124)
中文摘要:

高精度的风电功率预测是保证含高渗透率风电电力系统安全经济运行的重要手段。文章在传统ARIMA算法的基础上,引入集对分析理论对风电功率进行超短期区间滚动预测。首先采用改进的K-means算法,建立风电功率与风速、风向之间的集对关系;在点预测结果的基础上,估计区间上下限,经过误差调整,最后得到区间预测结果。文章引入3个模型评价指标对不同方法进行比较。算例表明,所提出的基于集对分析聚类算法的超短期风电功率区间预测能够得到更精确的预测区间。

英文摘要:

High-precision wind power prediction is an important means to ensure the safe and economical operation of wind power system with high permeability.Now the point prediction method is various,prediction accuracy is difficult to improve,so in this paper we presents a method for wind power interval prediction based on the set pair analysis theory with the ARIMA algorithm.Firstly,combined with K-means clustering algorithm,the clustering evaluation function is established and get wind power clustering results;Establish the relationship between the wind power and influence factors;For a new wind power data,calculate the distance with each class and find the cluster's upper limit and lower limit.According to the range of the error distribution,adjust the wind power interval and can get the final interval prediction result.Compare the method with confidence interval method,and introduce three evaluation index model,the effectiveness of the wind power interval prediction based on the set pair analysis theory is verified.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《电力系统自动化》
  • 中国科技核心期刊
  • 主管单位:国家电网公司
  • 主办单位:国电自动化研究院
  • 主编:薛禹胜
  • 地址:南京市江宁区诚信大道19号
  • 邮编:211106
  • 邮箱:aeps@nari-china.com
  • 电话:025-81093050 81093045
  • 国际标准刊号:ISSN:1000-1026
  • 国内统一刊号:ISSN:32-1180/TP
  • 邮发代号:28-40
  • 获奖情况:
  • 1999年荣获首届“国家期刊奖”,1998年获“华东地区最佳期刊”称号,连继三届江苏省优秀期刊,中国期刊方阵“双高”期刊,第三届中国出版政府奖
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:73920