朱倩雯
- 作品数：4 被引量：227H指数：4
- 供职机构：中国农业大学信息与电气工程学院更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型被引量：90
- 2015年
- 针对光伏发电系统出力波动问题,提出遗传算法(GA)—模糊径向基(RBF)神经网络的光伏发电功率预测模型,将功率预测值应用于光伏发电的蓄电池储能功率调节系统,以降低对电网的冲击。选择与待预测日天气类型相同、日期相近、温度欧氏距离最小的历史日作为相似日,把与光伏发电功率相关性大的太阳辐射强度和温度作为模型输入变量,提出K均值聚类和遗传算法的参数优化方法,建立基于GA—模糊RBF神经网络的最终预测模型。在光伏功率预测的基础上,提出一种平滑控制策略,对光伏并网功率进行有效调节,从而达到平滑光伏功率波动的目的。实例证明,所述预测模型具有较高精度,并验证了平滑功率波动控制策略的有效性。
- 叶林陈政赵永宁朱倩雯
- 关键词：功率预测遗传算法
- 超短期风电功率预测的自适应指数动态优选组合模型被引量：14
- 2015年
- 风电功率预测对电力系统运行、调度计划具有重要意义。针对目前单体预测模型的局限性,文中给出了基于可变向量遗忘因子的自适应指数动态优选组合预测模型。模型首先采用数值天气预报作为3种单体预测模型的主要输入,所选模型结合物理和统计模型的优点,同时兼有线性与非线性特点。然后,在单体预测结果的基础上,分别采用递归最小二乘方法、协方差优选组合方法及多层感知器网络对单体模型的预测结果进行组合。最后,引入基于Cook距离的向量遗忘因子,利用Cook距离评估新观测值对参数估计的影响,采用基于可变向量遗忘因子的自适应指数组合模型动态分配模型权系数,对加权组合得到的3种组合预测结果进行再次组合,在自适应过程中实现模型优选,得到最终的预测结果。算例结果表明,所述优选组合预测模型能够在超短期组合预测的过程中实现模型优选,可有效提高风电功率预测精度。
- 叶林朱倩雯赵永宁
- 关键词：风电功率预测COOK距离
- 风电场输出功率异常数据识别与重构方法研究被引量：65
- 2015年
- 电力大数据是电力发展的重要资源,数据来源于电力生产和电能使用的各个环节。风电运行数据是电力大数据的重要组成部分,随着风电穿透功率的增大,风电数据的采集、处理、分析对风电场运行、控制与并网研究有重要意义。然而,从风电场收集到的大量数据中通常包含异常数据点,这样的异常点给风电功率波动特性、风电功率预测等方面研究带来负面影响。分析了风电场历史运行数据中存在的异常数据的主要来源,并针对该实际问题,采用基于四分位算法的数学模型对异常数据进行识别。在数据缺失的情况下,以可用历史数据为基础,采用基于临近风电场出力模式性的方法和多点三次样条插值方法重构出完整的时间序列。算例分析给出了两种重构方法的重构效果以及各自的适应性,结果表明采用所提出的方法能够有效识别、剔除异常数据并重构缺失数据,对不同风电场有较强的通用性,具有一定的工程实用价值。
- 朱倩雯叶林赵永宁郎燕生宋旭日
- 关键词：风电场异常数据
- 风电场弃风异常数据簇的特征及处理方法被引量：81
- 2014年
- 风电场的历史运行数据尤其是风速和风电功率数据对风电场的运行管理和电力系统的运行调度都具有重要意义。在实际运行中,风电场的弃风现象较为严重,弃风会导致风速—功率散点图中存在大量横向分布的堆积型异常数据,这会对构造风电场的等值功率曲线产生较大的影响,从而降低风电功率预测精度,进而对风电场的运行管理和电力系统的运行调度造成不利影响。文中在分析风电场弃风异常数据特征的基础上,提出一种基于四分位法和聚类分析的异常数据组合筛选模型,首先采用两次四分位法剔除常规的分散型异常数据,再使用聚类法剔除堆积型异常数据,并采用二次聚类的思想来解决k-means聚类中k的取值问题。算例分析表明,该模型可有效剔除弃风造成的异常数据簇,对不同的风电机组和风电场有较强的通用性,具有一定的工程实用价值。
- 赵永宁叶林朱倩雯
- 关键词：弃风异常数据聚类分析
