基于天气分型的风光出力互补性分析方法

摘要：

基于天气分型的风光出力互补性定量分析方法能够科学指导风光互补发电系统优化调度.针对现有天气分型方法中主成分分析法无法提取非线性特征,分布领域嵌入(t-SNE)算法未考虑样本实际分布等不足,提出了基于核主成分分析(KPCA)和自组织特征映射(SOFM)神经网络的天气分型及风光出力互补性分析方法.首先,基于数值天气预报数据,利用KPCA进行特征向量提取;然后,以特征向量为输入条件,构建基于SOFM神经网络的天气类型划分模型;最后,基于波动互补率和爬坡互补率评估指标,从波动性和爬坡性2个角度定量分析不同天气类型下风光出力互补程度和最佳并网容量比例.结果表明不同天气类型下风光出力波动互补性及最佳并网容量比例差异明显,验证了所提方法的有效性.

关键词：天气、风力发电、光伏、互补性、核主成分分析、自组织特征映射神经网络

所属期刊栏目：45

资助基金：国家电网公司科技项目"计及出力时序波动特性的新能源纳入中长期电力电量平衡技术研究"4000-201955194A-0-0-00

在线出版日期：2021-01-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：82-88