基于特征加權模糊聚類分析的風電功率預測方法研究.pdf

1、隨著近幾年的迅猛發(fā)展，風電大規(guī)模接入電網。風能具有波動性、間歇性和不穩(wěn)定性等特點，對電力系統(tǒng)安全穩(wěn)定運行造成了巨大的影響。為解決大規(guī)模風電接入電網帶來的問題，必須進行準確的風電功率預測。這樣既能幫助電力系統(tǒng)提前制定相應的調度控制策略，還能保證電力系統(tǒng)安全穩(wěn)定運行。因此，對風電功率預測方法進行研究具有深遠的意義。
　　本文選取國內某一個風電場相關實測數據作為研究對象，分別針對風場全年風速和風向的分布﹑風力發(fā)電功率變化特性進行了仔細的

2、研究和分析，并以此為基礎，深入研究提高風力發(fā)電功率預測精度的方法。并且，將云計算技術引入電力系統(tǒng)領域，探索智能電網環(huán)境下風電功率預測、資源優(yōu)化配置發(fā)展的新方向。本文的主要研究內容如下：
　　最先，以國內某風場為研究對象，針對風速、風向﹑風電場空間分布、風能及風電功率特性進行了系統(tǒng)的分析。結果表明：風速的概率分布呈現威布爾分布特征；風向呈現一定的季節(jié)特性；風電場風機呈現一定的延時空間分布相關性；風電功率具有規(guī)律性較強的輸出特性和隨機

3、波動特性。
　　然后，提出了一種改進的特征加權模糊聚類算法和基于遺傳算法改進的Elman神經網絡建模相結合的風電功率短期預測方法。由于風的各物理屬性對風類型判別的重要程度不同，在傳統(tǒng) FCM模糊聚類算法中引入加權因子，對歷史日風類型數據樣本進行綜合聚類。再對各聚類結果建立動態(tài) GA-Elman神經網絡模型，進行風電功率預測。使用國內某風場的實測數據進行仿真實驗，證明本文方法的優(yōu)越性和實用性。
　　最后，提出一種基于云計算的風