基于数据挖掘与模糊聚类风电功率实时预测研究.pdfVIP

第41卷 第 1期 电力 系统保护 与控制 V0l_41No．1 2013年 1月1曰 PowerSystem ProtectionandControl Jan．1．2013 [编者按]电力系统在发、输、配、用等各环节面临的不确定性正在以前所未有的速度增加，不确定性已经成为影响电力系统 安全可靠、经济高效、节能环保运行的重要因素。为此，本刊特邀清华大学电机系康重庆教授作为特约主编，策划和组织了 国内外32篇相关研究论文，形成了 “电力系统不确定性分析与决策”专刊。康重庆教授是IETFellow,IEEESeniorMember， 中国电机工程学会高级会员，先后主持国家自然科学基金5项、博士点基金2项，担任InternationalJournalofPowerandEnergy Systems等三家国际杂志编委，担任多家国内期刊编委 ，担任中国电机工程学会电工数学专委会、中国电工技术学会电力系 统控制与保护专委会委员，获霍英东基金会优选资助，入选教育部新世纪人才计划。出版第一作者专著3部，发表论文200 余篇，获2008年中国百篇最具影响学术论文。在此，特别感谢康重庆教授及国内外专家学者对本期专刊的关注和支持!欢 迎国内外学者就此专题继续交流投稿。 基于数据挖掘和模糊聚类的风电功率实时预测研究 杨 茂，熊 昊，严干贵，穆 钢 (东北电力大学微通电力研究室，吉林 吉林 132012) 摘要：准确的风电功率预测是实现风能大规模开发利用的有效手段，实时预测能够滚动地修正日出力计划曲线，保证电力系 统运行的安全性和经济性。在分析风电场不同机组出力特性的基础上，利用数据挖掘和模糊聚类技术将不同的机组进行分类， 并分别进行实时预测，将预测结果进行累加得到最终的预测结果。以中国吉林省某风电场的实测风电数据为例，进行 了实时 预测，结合国家能源局对风电功率实时预测预报管理要求中的指标进行了分析。结果表 明，所提出的方法准确率最大提高 2．57％，合格率最大提高4．23％，均方根误差最大下降3．21％，说明了该方法的有效性。 关键词：风 电功率，实时预测，数据挖掘，模糊C均值聚类 Real-timepredictionofwindpowerbasedondataminingandfuzzyclustering YANGMao，XIONG Hao，YAN Gan-gui，MU Gang (MagiquePowerSystemResearchGroup，NortheastDianliUniversity，Jilin132012，China) Abstraet：Accuratereal—timepredictionofwindpoweriSan effectivemeanstoachieverationalmanagementofwindenergyin large—scale．Real—timepredictioncanmodifytheday—outputplannedcurve，thenensurethesecurityna deconomyofpowersystem． Thecharacteristicsofdifferentunitoutputofthewindfarm areanalyzed，dataminingandfuzzyclusteringtechniquesareadoptedto classifythedifferentunitsofwindfarm，rea1．timepredictioniSperformedforeachclass，nadthepredictedresultsarecumulativefor thefina1predictionresults．ThroughthemeasureddataofwindfarmsinJilinProvince．weperforlTltherea1．timepredictionandmake annaalysiscombiningwiththeindexinthemanagementrequirementsaboutwindpowerrea1．timepredictionfrom theNational En