风电场弃风异常数据簇的特征及处理方法-电力系统自动化.PDF

风电场弃风异常数据簇的特征及处理方法-电力系统自动化.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
风电场弃风异常数据簇的特征及处理方法-电力系统自动化

第 卷 第 期 38   21 Vol.38 No.21 年 月 日 , 2014 11 10 Nov.10 2014 : / DOI10.7500AEPS20131213010 风电场弃风异常数据簇的特征及处理方法 , , 赵永宁 叶 林 朱倩雯   ( , ) 中国农业大学信息与电气工程学院 北京市 100083 : 摘要 风电场的历史运行数据尤其是风速和风电功率数据对风电场的运行管理和电力系统的运行 . , , — 调度都具有重要意义 在实际运行中 风电场的弃风现象较为严重 弃风会导致风速 功率散点图 , , 中存在大量横向分布的堆积型异常数据 这会对构造风电场的等值功率曲线产生较大的影响 从而 , . 降低风电功率预测精度 进而对风电场的运行管理和电力系统的运行调度造成不利影响 文中在 , 分析风电场弃风异常数据特征的基础上 提出一种基于四分位法和聚类分析的异常数据组合筛选 , , , 模型 首先采用两次四分位法剔除常规的分散型异常数据 再使用聚类法剔除堆积型异常数据 并 . , 采用二次聚类的思想来解决 聚类中 的取值问题 算例分析表明 该模型可有效剔除弃 kGmeans k , , . 风造成的异常数据簇 对不同的风电机组和风电场有较强的通用性 具有一定的工程实用价值 : ; ; ; ; 关键词 风电功率曲线 弃风 异常数据 四分位法 聚类分析 , 0 引言 体分布规律和对应关系 称这类异常数据为异常数 据簇. 风力发电是当前发展最为迅速的可再生能源发 , 在大部分的风电功率曲线建模中 所使用的 , , 电形式之一 截至 2012年底 世界风电总装机容量 ,

文档评论(0)

136****3783 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档