10.3969/j.issn.1001-1390.2014.15.001
基于 FKNN 算法的风电功率短期预测
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 Neigh-bor 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。
风电功率短期预测、FKNN 算法、相似数据、K-means 聚类算法
TM933
国家自然科学基金资助项目51277023;吉林省自然科学基金20130206085SF,20120338
2014-09-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
1-7