基于云模型和k-means聚类的风电场储能容量优化配置方法
合理确定风电场侧储能系统容量配置方案是实现风电输出功率波动有效平抑的关键问题.针对传统k-means聚类算法难以给定聚类数目且算法稳定性较差的问题,在采用自适应小波包分解法处理风电输出得到储能运行曲线的基础上,基于云模型理论将储能充放电功率的概率分布分解成若干个正态云模型的叠加,根据数据特性自动确定聚类数目和初始聚类中心,然后应用k-means聚类算法从储能运行曲线中聚合出具有代表性的充放电曲线集合作为储能容量优化模型的输入,从而最终确定储能系统的配置方案.仿真结果验证了所提算法的合理性和稳定性.
风电平抑、储能配置、云模型、k-means聚类
42
国家重点研发计划资助项目2016YFB0900400
2019-03-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
67-73