期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
考虑风电功率爬坡的功率预测—校正模型
被引量：
20
1
作者
叶林
路朋
+4 位作者
滕景竹
翟丙旭
吴林林
蓝海波
仲悟之
《电力系统自动化》
EI
CSCD
北大核心
2019年第6期49-58,共10页
随着大规模风电接入电力系统,风电功率爬坡事件对电网的安全稳定运行带来一定的影响。研究爬坡事件发生时的功率预测已越来越迫切。基于极限学习机理论,提出了一种考虑风电功率爬坡事件的超短期功率预测和校正模型。首先,利用最优旋转...
随着大规模风电接入电力系统,风电功率爬坡事件对电网的安全稳定运行带来一定的影响。研究爬坡事件发生时的功率预测已越来越迫切。基于极限学习机理论,提出了一种考虑风电功率爬坡事件的超短期功率预测和校正模型。首先,利用最优旋转门算法对当前爬坡事件进行识别,提取爬坡事件特征值,建立模糊C均值聚类模型以得到同类数据,在此基础上,采用极限学习机算法对上述数据进行训练、预测,通过元组向量时间扭曲法在历史风电功率预测爬坡事件库中寻找与当前风电功率预测结果相似的爬坡事件,得到功率预测历史相似爬坡事件。最后,利用功率预测历史匹配值与实际值之间的特征值误差,对风电功率预测结果进行修正。算例表明,所提方法可准确识别风电功率爬坡事件、有效提高风电功率超短期预测精度。
展开更多
关键词
风电功率爬坡事件
最优旋转门算法
极限学习机
风电功率预测
在线阅读
下载PDF
职称材料
题名
考虑风电功率爬坡的功率预测—校正模型
被引量：
20
1
作者
叶林
路朋
滕景竹
翟丙旭
吴林林
蓝海波
仲悟之
机构
中国农业大学信息与电气工程学院
国网冀北电力有限公司电力调度控制中心
国网冀北电力有限公司电力科学研究院
中国电力科学研究院有限公司
出处
《电力系统自动化》
EI
CSCD
北大核心
2019年第6期49-58,共10页
基金
国家电网公司科技项目(5201011600TS)
国家自然科学基金资助项目(51677188)
国家自然科学基金中英国际合作交流基金资助项目(51711530227)~~
文摘
随着大规模风电接入电力系统,风电功率爬坡事件对电网的安全稳定运行带来一定的影响。研究爬坡事件发生时的功率预测已越来越迫切。基于极限学习机理论,提出了一种考虑风电功率爬坡事件的超短期功率预测和校正模型。首先,利用最优旋转门算法对当前爬坡事件进行识别,提取爬坡事件特征值,建立模糊C均值聚类模型以得到同类数据,在此基础上,采用极限学习机算法对上述数据进行训练、预测,通过元组向量时间扭曲法在历史风电功率预测爬坡事件库中寻找与当前风电功率预测结果相似的爬坡事件,得到功率预测历史相似爬坡事件。最后,利用功率预测历史匹配值与实际值之间的特征值误差,对风电功率预测结果进行修正。算例表明,所提方法可准确识别风电功率爬坡事件、有效提高风电功率超短期预测精度。
关键词
风电功率爬坡事件
最优旋转门算法
极限学习机
风电功率预测
Keywords
wind power ramping event(WPRE)
optimized swinging door algorithm
extreme learning machine(ELM)
wind power forecasting
分类号
TM614 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
考虑风电功率爬坡的功率预测—校正模型
叶林
路朋
滕景竹
翟丙旭
吴林林
蓝海波
仲悟之
《电力系统自动化》
EI
CSCD
北大核心
2019
20
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
