典型文献
基于预测信息二维坐标动态划分的风电集群功率超短期预测
文献摘要：
风电集群的大规模并入电网对功率预测的准确度提出了更高的要求.为能充分利用预测功率信息和数值天气预报(numerical weather prediction,NWP)信息,该文提出一种基于功率变化趋势和风速变化波动的二维坐标的风电场动态分群方法.将4h时间尺度的预测过程分成4个等长时间尺度的循环过程,在每次1h的循环过程中应用平衡迭代规约和聚类(balanced iterative reducing and clustering using hierarchies,BIRCH)对各场站的二维坐标聚类,完成对集群的划分,根据划分结果构建训练集,通过门控循环单元(gate recurrent unit,GRU)模型完成各子集群的功率预测,重复这一过程直至完成4h的超短期功率预测.算例结果表明,所提方法的预测精度相比静态划分提升1.8％,相比统计升尺度提升4.31％,可有效提高风电集群的功率超短期预测准确度.
文献关键词：
风电功率预测;功率变化趋势;风速变化波动;集群动态划分;深度学习
中图分类号：
作者姓名：
杨茂;彭天;苏欣
作者机构：
现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学),吉林省吉林市 132012
文献出处：
引用格式：
[1]杨茂;彭天;苏欣-.基于预测信息二维坐标动态划分的风电集群功率超短期预测)[J].中国电机工程学报,2022(24):8854-8863,中插5
A类：
风速变化波动,动态分群,集群动态划分
B类：
风电集群,超短期预测,并入,功率信息,数值天气预报,numerical,weather,prediction,NWP,功率变化趋势,风电场,4h,等长,长时间尺度,循环过程,1h,规约,balanced,iterative,reducing,clustering,using,hierarchies,BIRCH,各场,场站,划分结果,训练集,过门,门控循环单元,gate,recurrent,unit,GRU,子集,超短期功率预测,分提,升尺度,预测准确度,风电功率预测
AB值：
0.3804
相似文献
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。
