基于误差聚类及时空性风电预测研究

摘要：

为了提高风电功率的预测精度,针对风电数据间歇性与时空性的特点,以风力发电的历史数据为基础,首先对风速功率散点图的离散型异常数据采用四分位法进行识别和剔除,对弃风造成的堆积型异常数据采用 K-means聚类算法进行处理;然后从时间、空间、时空对风电场自身及风电场之间的功率变化进行统计分析,引入相关系数、输出功率标准差、空间持续误差等指标,得到集群风电场功率变化规律及相关性;最后采用 BP 神经网络通过对数据进行多次的训练提高风电功率预测精度.

关键词：风电功率异常数据、K-means聚类、时空相关性、空间持续误差、BP神经网络

分类号：TM614(发电、发电厂)

在线出版日期：2023-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：88-91,96