区域风电场短期风电功率预测的最大相关-最小冗余数值天气预报特征选取策略

摘要：

区域风电功率预测对大规模风电的集中并网具有重要意义，空间平滑效应使得区域风电功率预测误差通常要小于单个风电场的预测误差。文中利用互信息理论，采用基于最大相关–最小冗余特征选取的方法在区域内可用数值天气预报数据中选取最优特征子集，这些特征可以保证在最大化利用原始数据集的有利信息的同时，使得包含的冗余信息和噪声最小化。采用神经网络模型对区域风电功率进行预测，验证所选最优特征子集的有效性，并分析最优子集包含特征的个数对预测精度的影响。算例分析表明，选取较少的特征不但可以使误差小于现有的传统方法，而且在保证预测精度的前提下可以减小传统方法的数据成本和计算成本。在特征选取结果的基础上，还研究了所选特征与对应的风电场空间分布之间的关系，研究结果对提高区域功率预测的精度具有一定的实用参考价值。

关键词：风电功率、区域预测、互信息、特征选取、数值天气预报

分类号：TM614(发电、发电厂)

资助基金：国家自然科学基金研究项目51477174，51077126。 Project Supported by National Natural Science Foundation of China 51477174,51077126

在线出版日期：2015-12-21（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：5985-5994