基于集群动态划分与BLSTM深度学习的风电集群短期功率预测OA北大核心CSCDCSTPCD
Short-term Wind Power Prediction Based on Dynamic Cluster Division and BLSTM Deep Learning Method
风电集群的整体功率预测对区域风电的优化调度具有重要意义,现有集群预测方法并未考虑集群内各风电场数值天气预报(numerical weather prediction,NWP)信息在时间序列上的差异性波动,并按此进行集群的合理划分.为此,提出了基于天气过程动态划分的风电集群短期功率预测方法.首先将96 h时间尺度的待预测样本均分成16份等时长的子样本;然后对每份子样本分别进行集群的聚类与划分;再依据划分结果构建各子样本所含子集群的训练集;最后通过双…查看全部>>
杨子民;彭小圣;郎建勋;王洪雨;王勃;刘纯
华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室,武汉430074华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室,武汉430074华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室,武汉430074华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室,武汉430074中国电力科学研究院有限公司新能源与储能运行控制国家重点实验室,北京100192中国电力科学研究院有限公司新能源与储能运行控制国家重点实验室,北京100192
风电场功率预测集群划分聚类分析深度学习神经网络
《高电压技术》 2021 (4)
1195-1203,9
国家重点研发计划(促进可再生能源消纳的风电/光伏发电功率预测技术及应用)(2018YFB0904200).
评论