基于误差分类的风电功率区间评估

摘要：

为了提高风电功率的区间评估精度,结合预测误差数据的特性,提出了一种基于误差分类的区间评估方法.首先,引入K-means聚类算法,以欧氏距离为聚类指标对风电预测误差的整体水平进行分类.然后,建立误差区间评估模型,以风电功率数据和历史预测误差为模型输入,以预测误差区间为输出,利用长短期记忆(LSTM)神经网络深度学习模型输入和输出之间的关联.最后,利用Elia网站风电数据进行验证,结果表明,与其他评估模型和传统的误差概率分布方法相比,所提方法更能抓住误差数据的特性,能够得到更为准确的风电功率区间评估结果.

关键词：风电功率区间评估、误差分类、长短期记忆网络、K-means聚类

所属期刊栏目：45

资助基金：国家自然科学基金资助项目61703404

在线出版日期：2021-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：97-104