科研之友
微信
新浪微博
Facebook
分享链接
摘要
风能间歇性和波动性的特点给电网的平稳运行造成了很大的挑战，导致电网企业限制风电并网，造成弃风行为。因此，实时有效地预测风力发电情况对风电开发和电网的平稳运行至关重要。在分析当前多种预测方法后，提出了基于核主成分分析-K均值聚类-门控循环单元(KPCA-K-means-GRU)的短期风电功率预测模型。多维数据能够较好地还原实际物理状态，但过高维度的数据会带来维数灾难。因此，利用非线性的KPCA在保留高维数据信息的同时降低数据维度。随后借鉴负荷预测相似日思路，将降维后的数据通过K-means进行无监督聚类以建立不同的预测模型来提高预测精度。最后分别训练不同类别数据的GRU神经网络参数，进行分类预测以获得更合适的网络模型。
- 出版日期2023
- 单位湖南电器科学研究院有限公司; 湘潭大学
