重庆理工大学学报(自然科学) ›› 2022, Vol. 36 ›› Issue (1): 277-284.

• “低碳减排与能源经济”专栏 • 上一篇    

相似样本优化选取的短期风电功率预测

张颖超1a,1b,沈子豪1a,马伟叁2,熊 雄1a,陈 昕1a   

  1. 1.南京信息工程大学 a.自动化学院;b.江苏省大气环境与装备技术协同创新中心;2.中国铁路上海局集团有限公司
  • 发布日期:2022-02-13
  • 作者简介:张颖超,男,教授,博士,主要从事复杂系统建模与评估、灾害评估与损失预测、气象服务效益研究、风电功率 预测、气象数据质量控制等研究

  • Published:2022-02-13

摘要: 为减少训练样本中的冗余数据和特征信息,提高风电功率预测的精度,提出了一种基于核主成分分析(KPCA)、动态时间规整法(DTW)及核极限学习机(KELM)相结合的预测方法(KPCA_DTW_KELM)。首先对影响风机出力的各个因素进行核主成分分析,筛选出贡献率较高的特征因素。为优化样本数据,引入动态时间规整法,找出与预测日相似的样本数据,采用核极限学习机(KELM)进行风电功率预测。根据提出的预测方法,对上海某风电场数据进行对比实验。实验证明,KPCA_DTW_KELM预测模型提高了短期风电功率预测的精度,具有一定普适性。

关键词: 核主成分分析, 动态时间规整法, 核极限学习机, 短期风电功率预测

中图分类号: 

  • P425.4+2