文献类型：期刊文章

作　　者：张充[1] 檀勤良[1] 汤石雨[1] 高小力[2]

机构地区：[1]华北电力大学科学技术研究院,北京102206 [2]中国电力工程顾问集团西北电力设计院有限公司,西安710075

出　　处：《太阳能学报》

基　　金：国家自然科学基金(71373077);中央高校基本科研业务费(12QN18);教育部博士点基金(20110036120013)

年　　份：2017

卷　　号：38

期　　号：4

起止页码：999-1006

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：基于风速在日时间尺度下的变化周期,提出一种风电场功率分类组合预测模型。该模型采用Morlet小波变换,分析数值天气预报中的风速在日时间尺度下的变化周期及特征;结合主成分分析和谱聚类方法对具有不同周期特征的风速变化过程进行分类;针对不同的风速变化类型分别建立遗传优化BP神经网络、RBF神经网络和支持向量机的预测模型,并选取每类对应的最优算法进行组合,预测功率时根据未来风速过程动态切换相应模型。以中国某风电场为例进行验证,结果表明,按8 h的变化周期对风速变化类型进行分类,可得到较好的分类组合预测结果,其精度较单一预测模型提高0.87%,合格率提高1.05%,验证了所提模型的有效性,为风电场功率预测提供了新思路。

关 键 词：风速变化周期  分类预测  组合预测 MORLET小波 谱聚类

分 类 号：TM614]