首页|基于机器学习的集群式风光一体短期功率预测技术

基于机器学习的集群式风光一体短期功率预测技术

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对区域风、光电站群的功率预测,由于各站建站时间不同、单站预报精度残次不齐,导致传统的单站功率累加法预测精度和运行效率不高的问题,采用基于机器学习的二分K均值聚类算法分别对区域内的风电场和光伏电站群进行合理划分,结合区域内各电站历史功率数据及区域总历史功率数据的相关性,选取出各区域的代表电站.在对数值预报要素进行优化订正后,采用BP神经网络法建立基于风电场和光伏电站集群划分的短期功率预测框架模型.结果表明:采用该方法的集群式风电和光伏短期功率预测准确率高于或接近于传统单站累加的预测精度,且该方法在保证预测精度的同时,能够显著提高建模效率.
Short-Term Power Prediction for Wind Farm and Solar Plant Clusters Based on Machine Learning Method

崔杨、陈正洪、许沛华

展开 >

湖北省气象服务中心,湖北 武汉 430205

湖北省气象能源技术开发中心,湖北 武汉 430205

风电场 光伏电站 集群划分 短期功率预测 二分K均值聚类

国家重点研发计划资助项目

2018YFB1502801

2020

中国电力
国网能源研究院 中国电机工程学会

中国电力

CSTPCDCSCD北大核心
影响因子：1.463
ISSN：1004-9649
年,卷(期)：2020.53(3)
  • 11
  • 15