基于数据挖掘和模糊聚类的风电功率实时预测研究

摘要：

准确的风电功率预测是实现风能大规模开发利用的有效手段,实时预测能够滚动地修正日出力计划曲线,保证电力系统运行的安全性和经济性.在分析风电场不同机组出力特性的基础上,利用数据挖掘和模糊聚类技术将不同的机组进行分类,并分别进行实时预测,将预测结果进行累加得到最终的预测结果.以中国吉林省某风电场的实测风电数据为例,进行了实时预测,结合国家能源局对风电功率实时预测预报管理要求中的指标进行了分析.结果表明,所提出的方法准确率最大提高2.57%,合格率最大提高4.23%,均方根误差最大下降3.21%,说明了该方法的有效性.

关键词：风电功率、实时预测、数据挖掘、模糊 c 均值聚类

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2013-01-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6