基于统计聚类分析短期风电功率预测.pdf

第39卷 第11期 电力 系统 保护 与控制 v01．39N0．11 2011年 6月 1日 PowerSystem ProtectionandControl Jun．1，2011 基于统计聚类分析的短期风电功率预测 方江晓 ，周 晖 ，黄 梅 ，T．S．Sidhu ． (1．北京交通大学电气工程学院，北京 100044； 2．DepartmentofE1ectriCPowerEngineering，UniversityofWesternOntario，London，Canada，N6A5B9) 摘要：考虑到短期风电功率预测模型建立时，样本的选取对预测模型的精度有较大影响，提出了运用聚类方法对历史风速数 据进行处理，实现了历史数据的自动分类。根据预测日的平均风速和最大风速等特征参数，按照相似度最大的原则，选择合 适的类别作为预测建模用的训练样本。运用时间序列方法，建立风速预测模型，与不经过预处理的相比，所建立预测精度得 到了提高，验证了运用聚类进行数据预处理的正确性。运用风力发电机的出力曲线，得到了未来日的风电功率的预测值，为 含风电系统的电力系统运行计划的制定，提供了基础数据支持。 关键词：风电预测；聚类分析；最大相似度；时间序列模型 Short-term windpowerpredictionbasedonstatisticalclusteringanalysis FANG Jiang．xia0，ZHOU Hui，-，HUANGM ei，T．S．Sidhu (1．SchoolofElectricalEngineering，BeijingJiaotongUniversity，Beijing100044，China； 2．DepartmentofElectricPowerEngineering，UniversiytofWestem Ontario，London，Canada，N6A5B9) Abstract：Consideringthatintheprocessofestablishingshort-termwindpowerpredictionmodel，htesampleselectionwouldaffect thepredication accuracy ofwindpowermodel，itisnecessarytoprocessthehistory windspeeddatapriortomodeling．Data classificationisautomaticallyaccomplishedthroughthestatisticalclusteringapproach．W iththecriterionofmaximalsimilarity，we selectagroupofdataasoHrtrainedsamplesaccordingtohteaveragenadmxa imum windspeedofpredictionday．Thenweestablish thepredictionmodelofwindspeedbasedonARIMA process．Comparedwiht theconventionalARIMA process，hteprediction accuracyusingstatisticclusteringapproachweproposedisimproved．Anexampleisusedtoverifythecorrectnessofourassumption． Finally，withpowercurveofawindturbine，anticipatedwindpoweriseasilygotten，whichoffersvaluablereferencefordrawingout operationscheduleofpowersystem integratedwithwindpower． Keywords：predictionofwindpower；statisticalclustering；mxaimalsimilariyt；ARIMAprocess 中图分类号：TM715 文献标识码：A