基于天气影响的风电功率分类预测模型研究

作者：黄健; 季克勤; 陈梓翰; 郑庆

来源：能源与环保, 2021, 43(07): 196-202.

DOI：10.19389/j.cnki.1003-0506.2021.07.034

• 天气过程
• 分类预测
• 自编码技术
• 改进K-means
• 广义回归神经网络

改善风电功率预测精度是提高"源网荷"间有效互动的重要手段之一。针对不同天气变化情况对风电场输出功率的影响,建立了一种基于天气影响的风电功率分类预测模型。结合风电场输出功率与风速间的相关性检验结果以及理论关系,确定了预测模型输入数据的内容,通过不同影响因素以及风电功率序列的自相关检验结果选取了预测模型输入数据的时间窗口,并对输入数据进行融合处理。为简化天气过程分类时的计算,实现分类结果的可视化,采用深度学习自编码技术对输入数据进行降维处理,并采用改进的K-means聚类法进行了天气过程的聚类划分,根据聚类结果利用广义回归神经网络模型对风电场输出功率进行了分类预测。通过实际算例验证了本文方法的有效性。