考虑机组动态特性的超短期风电功率预测及不确定性量化分析
针对数据驱动的风电功率预测模型中,高维异质大数据特征信息挖掘问题,提出考虑机组动态特性的轻量梯度上升学习机(LGBM)预测模型和区间估计的不确定性量化方法.首先,设置发电机转速、叶片角度为机组动态特性指标,构建LGBM超短期风电功率预测模型.其次,采用模糊C均值聚类对历史预测出力和预测误差样本进行区间划分;考虑预测出力和预测误差条件相依性,采用非参数估计拟合误差概率分布,并以置信区间对风电功率预测区间进行了离散化表征.最后,选取实际风电场数据进行验证.结果表明:考虑机组动态特性的LGBM预测模型的精度和计算效率显著提升;基于区间估计的不确定性量化方法解耦拟合过程与预测方法,可靠性高,灵活性强.
特征选择、轻量梯度上升学习机、风电功率预测、区间估计
49
TP39;TM744;P461
国家自然科学基金;河南省科技攻关计划
2021-06-02（万方平台首次上网日期，不代表论文的发表时间）
共9页
109-117
