文献类型：期刊文章

作　　者：郭晓利[1] 张玉萍[1] 曲朝阳[1] 任有学[2] 辛鹏[2]

机构地区：[1]东北电力大学信息工程学院,吉林吉林132012 [2]吉林省电力有限公司吉林供电公司安全质量监察部,吉林吉林132012

出　　处：《电测与仪表》

基　　金：国家自然科学基金资助项目(51277023);吉林省自然科学基金(20130206085SF;20120338)

年　　份：2014

卷　　号：51

期　　号：15

起止页码：1-7

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：风电场输出功率预测精度的提高能够极大的减轻风力发电对电网的冲击,提高风电并网的安全性和可靠性。针对KNN(K-Nearest Neighbor algorithm)算法存在的不足进行改进,提出了FKNN(Fast K-Nearest Neighbor algorithm)算法并将其应用到风电短期功率预测当中。首先,FKNN算法基于相似数据原理,针对每个预测样本,只需遍历一次训练样本集,得出K值最大时的相似历史样本优先级队列。然后,通过逐渐缩减优先级队列的长度,产生其他K值对应的相似样本优先级队列。其次,从产生的优先级队列中获取多数类样本,并应用其输出功率的平均值对预测样本的输出功率进行预测。最后,通过对吉林省某风电场的大量历史数据进行预测分析,充分证明该算法的简单性和实用性。

关 键 词：风电功率短期预测  FKNN  算法  相似数据  K  -  MEANS 聚类算法

分 类 号：TM933]