资源描述：
《基于聚类分析的风电场短期功率预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、基于聚类分析的风电场短期功率预测方法研究SustainableEnergy可持续能源,2015,5,17-7><23PublishedOnlineJune2015inHans.//.hanspub.org/journal/se//dx.doi.org/10.12677/se.2015.5300317TheStudyofShort-TermWindPowerGenerationPredictionMethodsBasedonClusteringAnalysisinWindFarmCunDong1,ShuangGao2,YingHao2,YangGao31Stat
2、eGridCorporationofChina,Beijing2BeijingInstituteofTechnology,Beijing3ShenyangInstituteofEngineering,ShenyangLiaoningReceived:Jun.2nd,2015;accepted:Jun.20th,2015;published:Jun.<23rd,2015Copyright??2015byauthorsandHansPublishersInc.ThisworkislicensedundertheCreativeCommonsAttributionI
3、nternationalLicense(CCBY).//creativecommons.org/licenses/by/4.0/AbstractInordertomakefulluseofinformationcontainedfromhistoricalwinddata,thispaperproposed8><#004699'>ashort-termpowerpredictionmethodbasedonclusteringanalysisaccordingtothedailysimilar-itypropertyofwindspeedandwindpowe
4、r.Bythepreprocessingoftheoriginalsampledata,whencalculatingtheEuclideandistanceamongthecharacteristicparameters,thehistorydatawhicharesimilartotheNWPcharacteristicparameterofthepredictiondayareusedasthetrain-ingsample;theNWPinformationprovidedbythemeteorologicaldepartmentisusedasthe
5、cha-racteristicparameterofthepredictionday.ThisEuclideandistanceisusedtobethebasisofthesimilaritymeasure.Finally,thispaperusesthesimilarsamplesafterclusteringtoestablishtheshort-termpredictionmodelwhichisusingtheNWPdataastheinputparameter,usingtheactualwindpowergenerationasthetarget
6、data.Testingbytheactualwindfarms,thepredictionpreci-sionisimprovedobviously.KeywordsShort-TermWindPowerGenerationPrediction,ClusteringAnalysis,K-MeansClusteringMethod,DailySimilarityProperty,NumericalWeatherPrediction(NWP)基于聚类分析的风电场短期功率预测方法研究董存1，高爽2，郝颖2，高阳3基于聚类分析的风电场短期功率预测方法研究181国家电
7、网公司，北京2北京理工大学，北京3沈阳工程学院，辽宁沈阳收稿日期：2015年6月2日；录用日期：2015年6月20日；发布日期：2015年6月<23日摘要为了充分利用历史风速数据所蕴含的信息，本文根据风速和风电功率的日相似性提出基于聚类分析的短期功率预测方法，通过对原样本数据进行预处理，选取与预测日NWP特征参数相似的历史日数据，以此作为建立模型的训练样本，将气象部门提供预测日的NWP信息作为预测日的特征参数，计算特征参数间的欧式距离，以此作为相似性度量的依据，最后利用聚类后的相似样本建立预测模型，以NWP数据为输入参数，实际风电功率为目标值，经过训练后得到聚
8、类风电功率短期预测模型。经实际风电场测
