原创力文档- 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、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、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
《电气自动化》2024年第46卷第5期新能源发电控制技术
NewEnergyPowerControlTechnology
基于CKL风电容量预测的可信度评估
李天宇，马刚，李豪，李伟康，孟宇翔
（南京师范大学电气与自动化工程学院，江苏南京210046）
摘要：由于风力发电受风速以及其他天气因素的影响极大，从而导致新能源发电产生波动性，因此，对风力发电容量可信度评估研究
成为提高风力发电可靠性的重要内容之一。首先建立了CEEMD-KPCA-LSTM(CKL)预测模型,用CKL模型对考虑多环境变量
情况下的风电容量进行预测；进而提出风电场可靠运行时的可信度评估方法；最后在IEEE-RTS97基础上进行仿真试验，将预
测值进行可信度分析,得出未来断面的容量可信度,并研究可信度的影响因素。算例分析表明,CKL预测模型和可信度模型结
合，可以实现风电场未来的可信度分析,并且验证了储能设备对容量预测可信度的影响,最终使得风电系统具备较为准确的容
量预测功能。
关键词：完全集成经验模态分解；核主成分分析；长短期预测神经网络；蒙特卡洛模拟法；预测容量可信度
D0I:10.3969/j.issn.1000-3886.2024.05.002
［中图分类号］TM614［文献标志码］A［文章编号］1000-3886(2024)05-0004-04
CredibilityEvaluationBasedonCKLWindPowerCapacityPrediction
LiTianyu,MaGang,LiHao,LiWeikang,MengYuxiang
(SchoolofElectricalandAutomationEngineering,NanjingNormalUniversity,NanjingJiangsu210046,China)
Abstract:Duetothesignificantimpactofwindspeedandotherweatherfactorsonwindpowergeneration,whichleadstofluctuationsinnew
energygeneration,thereliabilityasssmentofwindpowergenerationcapacityhasbecomeoneoftheimportantssuesinimproving
thereliabilityofwindpowergeneration.EstablishedCEEMD-KPCA-LSTM(CKL)predictionmodelwasusedtopredictthewind
powercapacityconsideringmultipleenvironmentalvariables;furthermore,areliabilityevaluationmethodforthereliableoperationof
windfarmswasproposed.Finally,simulationexperimentswereconductedonthebasisofIEEE-RTS97,toanalyzethereliabilityof
thepredictedvalues,obtainthecapacityreliabilityoffuturesections,andstudytheinfluencingfactorsofreliability.Caseanalysis
showsthatthecombinationofCKLpredictionmodelandreliabilitymodelcanachievef
文档评论（0）