基于分形理论的风电功率预测算法研究

• 全文链接
• 请求原文

作   者：

李昂儒;  郑伟彦;  赵京虎;  杨勇;  王辉东;  汪李忠;  邢海青; 

作者机构：

南瑞集团有限公司(国网电力科学研究院有限公司);  国网浙江省电力有限公司杭州供电公司;  国网浙江杭州市余杭区供电有限公司;  国网浙江省电力有限公司; 

关键词：

机器学习;  风电功率预测;  风电场数据;  K近邻算法;  分形理论; 

期刊名称：

计算机技术与发展

i s s n：

1673-629X

年卷期：

2021 年 31 卷 003 期

页   码：

191-195

摘   要：

近些年,风能成为世界上装机容量较大的可再生能源之一,风力发电的并网容量不断增加,给电网稳定运行带来不小挑战,风力输出功率预测精度的提升能够有效地减轻风电并网时对电网的冲击,同时为电网的调度和安全运营提供保障.为进一步提升的风电功率预测精度,借鉴分形理论并将其融合到风电功率预测模型中,同时结合自定义K最近邻算法(K-nearest-neighbor,KNN).采用分形理论的基本思想,考虑基准功率曲线问题和气象特征值,利用分形插值可有效地获取相邻样本的局部信息,从而使得插值曲线更好地保留原采样信息的大部分特征,最后使用多评价指标维度对预测效果进行评估.以某风电场实测数据为例,与梯度提升决策树、随机森林、支持向量机预测模型进行比较,验证了提出的预测算法的有效性.