CAJ | 학술논문

随着我国风电装机容量的逐步增加，风电在电源结构中的比例也进一步增大。风电出力本身具有随机性、波动性，这使得风电出力预测工作难度增加。首先使用模糊C均值聚类分析方法将风场运行历史风速信息进行分级聚类，然后使用聚类的数据训练相应的BP神经网络；再将数值天气预报(NWP)提供的待预测日的气象信息进行分级聚类，根据数据的聚类中心将待预测日气象信息与历史气象信息进行归类；最后将同一类风速数据结合相应的BP神经网络进行预测。算例分析证明了此方法的有效性。
수착아국풍전장궤용량적축보증가，풍전재전원결구중적비례야진일보증대。풍전출력본신구유수궤성、파동성，저사득풍전출력예측공작난도증가。수선사용모호C균치취류분석방법장풍장운행역사풍속신식진행분급취류，연후사용취류적수거훈련상응적BP신경망락；재장수치천기예보(NWP)제공적대예측일적기상신식진행분급취류，근거수거적취류중심장대예측일기상신식여역사기상신식진행귀류；최후장동일류풍속수거결합상응적BP신경망락진행예측。산례분석증명료차방법적유효성。