典型文献
基于爬坡特征和云模型的风电功率预测误差区间评估
文献摘要：
为了满足电力系统优化运行对预测误差区间评估结果越来越高的可靠性要求,改善传统的区间评估方法在发生小概率风电爬坡事件时较差的适应性,提出了一种基于爬坡特征分类和云模型的风电功率预测误差区间评估方法.通过对每类数据分别建立模型以提高不同爬坡类型下评估方法的适应性.首先,利用改进的旋转门算法识别爬坡后得到爬坡特征,并基于爬坡特征对预测误差进行分类,对上爬坡类误差和下爬坡类误差分别建立云模型,对非爬坡类误差采用K-means算法得到不同预测误差类型所对应的区间范围.然后,以风电功率和爬坡特征数据共同作为模型输入,以预测误差类型为输出,建立评估模型,从而得到风电功率预测误差评估区间.最后,利用Elia网站的风电数据进行算例分析.结果表明,所提方法的风电功率误差区间评估效果更优.
文献关键词：
风电功率;预测误差;风电区间评估;爬坡特征;云模型;误差分类;改进的旋转门算法
中图分类号：
作者姓名：
乔妍;韩丽;李梦洁
作者机构：
中国矿业大学电气与动力工程学院,江苏省徐州市 221116
文献出处：
引用格式：
[1]乔妍;韩丽;李梦洁-.基于爬坡特征和云模型的风电功率预测误差区间评估)[J].电力系统自动化,2022(11):75-84
A类：
改进的旋转门算法,Elia,风电区间评估
B类：
爬坡特征,云模型,风电功率预测,预测误差,误差区间,电力系统优化,优化运行,风电爬坡事件,特征分类,每类,建立模型,算法识别,上爬,means,误差类型,特征数据,模型输入,误差评估,算例分析,功率误差,评估效果,误差分类
AB值：
0.217034
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
