基于特征加權(quán)模糊聚類分析的風(fēng)電功率預(yù)測方法研究.pdf

1、隨著近幾年的迅猛發(fā)展，風(fēng)電大規(guī)模接入電網(wǎng)。風(fēng)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(fēng)電接入電網(wǎng)帶來的問題，必須進行準確的風(fēng)電功率預(yù)測。這樣既能幫助電力系統(tǒng)提前制定相應(yīng)的調(diào)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(fēng)電功率預(yù)測方法進行研究具有深遠的意義。
　　本文選取國內(nèi)某一個風(fēng)電場相關(guān)實測數(shù)據(jù)作為研究對象，分別針對風(fēng)場全年風(fēng)速和風(fēng)向的分布﹑風(fēng)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(chǔ)，深入研究提高風(fēng)力發(fā)電功率預(yù)測精度的方法。并且，將云計算技術(shù)引入電力系統(tǒng)領(lǐng)域，探索智能電網(wǎng)環(huán)境下風(fēng)電功率預(yù)測、資源優(yōu)化配置發(fā)展的新方向。本文的主要研究內(nèi)容如下：
　　最先，以國內(nèi)某風(fēng)場為研究對象，針對風(fēng)速、風(fēng)向﹑風(fēng)電場空間分布、風(fēng)能及風(fēng)電功率特性進行了系統(tǒng)的分析。結(jié)果表明：風(fēng)速的概率分布呈現(xiàn)威布爾分布特征；風(fēng)向呈現(xiàn)一定的季節(jié)特性；風(fēng)電場風(fēng)機呈現(xiàn)一定的延時空間分布相關(guān)性；風(fēng)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(quán)模糊聚類算法和基于遺傳算法改進的Elman神經(jīng)網(wǎng)絡(luò)建模相結(jié)合的風(fēng)電功率短期預(yù)測方法。由于風(fēng)的各物理屬性對風(fēng)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(quán)因子，對歷史日風(fēng)類型數(shù)據(jù)樣本進行綜合聚類。再對各聚類結(jié)果建立動態(tài) GA-Elman神經(jīng)網(wǎng)絡(luò)模型，進行風(fēng)電功率預(yù)測。使用國內(nèi)某風(fēng)場的實測數(shù)據(jù)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(fēng)