基于HS-Clustering的风电场机组分组功率预测

• 作者: 刘永前 张智博 田启明 高小力
• 来源期刊: 现代电力
• 学科: 工学
• 关键词: 机组分组个数 功率预测 霍普金斯统计量 聚类算法
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 分析与研究
• 页码范围: 12-18
• 页数: 7页
• 分类号: TK89
• 字数: 5569字
• 语种: 中文

摘要

为了寻求风电场功率预测精度和计算效率二者的平衡,提出了一种基于霍普金斯统计量与聚类算法(HS-Clustering)的风电场机组分组功率预测方法,该方法将霍普金斯统计量与聚类算法的优势有效结合,采用霍普金斯统计量确定场内机组分组个数,通过聚类算法识别不同机组的相似性将风电场分成不同的机组群,然后对每组机群分别建立功率预测模型,从而叠加得到整场输出功率;另外以实测风速、实测功率及二者组合作为机组分组模型输入,分析其对预测精度的影响程度.实例分析表明基于HS-Clustering的分组预测方法可以显著提高预测精度,同时保证较高的计算效率;风速是影响分组效果的主要因素,对于某些分组模型,功率又可以作为风速的重要补充.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高小力		2	8	2.0	2.0
2	张智博		1	3	1.0	1.0
3	田启明		1	3	1.0	1.0