电力系统保护与控制
電力繫統保護與控製
전력계통보호여공제
POWER SYSTM PROTECTION AND CONTROL
2012年
18期
106-111
,共6页
李如琦%凌武能%李芝荣%唐林权%王维志
李如琦%凌武能%李芝榮%唐林權%王維誌
리여기%릉무능%리지영%당림권%왕유지
风电预测%云模型%云变换%概念跃升%关联规则挖掘%规则发生器%云推理
風電預測%雲模型%雲變換%概唸躍升%關聯規則挖掘%規則髮生器%雲推理
풍전예측%운모형%운변환%개념약승%관련규칙알굴%규칙발생기%운추리
针对风速、风向和风功率之间的关联知识,提出了一种短期风电功率预测的云推理模型.利用云变换将风速等历史数据转换成多个云的定性概念,并用云的合并方法得到跃升概念,再用极大判定法进行概念隶属判定,得到约简数据库,用Apriori 算法挖掘得到风速、风向和风功率之间的关联规则,最后形成云推理的规则发生器,利用规则发生器的不确定性推理来完成未来24个小时的风电功率预测.实验得到一系列有稳定倾向的预测值集合,取其期望值与 Arima 模型和 RBF 神经网络的预测值比较,相对误差均有不同程度的减小,显示了该模型较高的实用和推广价值.
針對風速、風嚮和風功率之間的關聯知識,提齣瞭一種短期風電功率預測的雲推理模型.利用雲變換將風速等歷史數據轉換成多箇雲的定性概唸,併用雲的閤併方法得到躍升概唸,再用極大判定法進行概唸隸屬判定,得到約簡數據庫,用Apriori 算法挖掘得到風速、風嚮和風功率之間的關聯規則,最後形成雲推理的規則髮生器,利用規則髮生器的不確定性推理來完成未來24箇小時的風電功率預測.實驗得到一繫列有穩定傾嚮的預測值集閤,取其期望值與 Arima 模型和 RBF 神經網絡的預測值比較,相對誤差均有不同程度的減小,顯示瞭該模型較高的實用和推廣價值.
침대풍속、풍향화풍공솔지간적관련지식,제출료일충단기풍전공솔예측적운추리모형.이용운변환장풍속등역사수거전환성다개운적정성개념,병용운적합병방법득도약승개념,재용겁대판정법진행개념대속판정,득도약간수거고,용Apriori 산법알굴득도풍속、풍향화풍공솔지간적관련규칙,최후형성운추리적규칙발생기,이용규칙발생기적불학정성추리래완성미래24개소시적풍전공솔예측.실험득도일계렬유은정경향적예측치집합,취기기망치여 Arima 모형화 RBF 신경망락적예측치비교,상대오차균유불동정도적감소,현시료해모형교고적실용화추엄개치.
