基于FKNN 算法的风电功率短期预测.pdfVIP

学兔兔 第5l卷 第 l5期 电测与仪表 VO1．51N0．15 2014年 8月 1O日 ElectricaIMeasurement Instrumentafion Aug．10，2014 基于FKNN算法的风电功率短期预测术 郭晓利 ，张玉萍 ，曲朝阳 ，任有学 ，辛鹏 (1．东北电力大学 信息工程学院，吉林 吉林 132012； 2．吉林省电力有限公司 吉林供电公司安全质量监察部，吉林 吉林 132012) 摘要：风电场输出功率预测精度的提高能够极大的减轻风力发电对 电网的冲击，提高风电并网的安全性和可靠 性。针对KNN(K—NearestNeighboralgorithm)算法存在的不足进行改进，提出了FKNN(FastK—NearestNeigh— boralgorithm)算法并将其应用到风电短期功率预测当中。首先，FKNN算法基于相似数据原理，针对每个预测 样本，只需遍历一次训练样本集，得出 值最大时的相似历史样本优先级队列。然后，通过逐渐缩减优先级队 列的长度，产生其他 值对应的相似样本优先级队列。其次，从产生的优先级队列中获取多数类样本，并应用 其输出功率的平均值对预测样本的输出功率进行预测。最后，通过对吉林省某风电场的大量历史数据进行预 测分析，充分证明该算法的简单性和实用性。 关键词：风电功率短期预测；FKNN算法；相似数据；K—means聚类算法 中图分类号：TM933 文献标识码：A 文章编号：1001—1390(2014)15—0001—07 Short——Term W indPowerPredictionBasedonFKNN Algorithm GUOXiao—li，ZHANGYu—ping，QUZhao—yang，RENYou—xue，XINPeng (1．SchoolofInformationandTechnologyEngineering，NortheastDianliUniversity，Jilin132012，Jilin，China 2．JinlinPowerofInformationandCommunicationsCompanies，Jilin132012，Jilin，China) Abstract：Theimprovementofwindfamr ’Soutputpowerprediction accuracycangreatlyreducetheimpactofwind poweronthegridandimprovethesecurityandreliabilityofwindpowerintegration．Inthispaper，theFKNN (FastK — NearestNeighboralgorithm)algorithmisproposedtoimprovetheshortcomingsofKNN (K—NearestNeighboralgo- rithm)algorithmandisusedforshort—temr windpowerprediction．First，ofreachpredictionsample，byusing FKNN algorithm，whichisbasedontheprincipleofsimilaritydata，youcanobtainthemaximum priorityqueueof similarsamplethroughtraversingthesetoftrainingsampleonlyonetime．Then，graduallyreducethelengthofthe priorityqueuetoproducedifferentsizeprioritysub——queuesofsimilarsampleinwhichthemajorityclasssamplescan