基于爬坡特征和云模型的风电功率预测误差区间评估

摘要：

为了满足电力系统优化运行对预测误差区间评估结果越来越高的可靠性要求,改善传统的区间评估方法在发生小概率风电爬坡事件时较差的适应性,提出了一种基于爬坡特征分类和云模型的风电功率预测误差区间评估方法.通过对每类数据分别建立模型以提高不同爬坡类型下评估方法的适应性.首先,利用改进的旋转门算法识别爬坡后得到爬坡特征,并基于爬坡特征对预测误差进行分类,对上爬坡类误差和下爬坡类误差分别建立云模型,对非爬坡类误差采用K-means算法得到不同预测误差类型所对应的区间范围.然后,以风电功率和爬坡特征数据共同作为模型输入,以预测误差类型为输出,建立评估模型,从而得到风电功率预测误差评估区间.最后,利用Elia网站的风电数据进行算例分析.结果表明,所提方法的风电功率误差区间评估效果更优.

关键词：风电功率、预测误差、风电区间评估、爬坡特征、云模型、误差分类、改进的旋转门算法

所属期刊栏目：46

分类号：TP391;O156.4;TM73

资助基金：国家自然科学基金62076243

在线出版日期：2022-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：75-84