文献

J-GLOBAL ID：202102236175532675   整理番号：21A1551278

ガウス混合モデルクラスタ化に基づくウィンドファーム短期電力予測法【JST・京大機械翻訳】

Short-term Power Forecasting Method of Wind Farm Based on Gaussian Mixture Model Clustering

著者 (5件)： Wang Yimei (国网冀北電力有限公司電力科学研究院,北京市 100045;風光儲并网運行技術国家電网公司重点実験室,北京市 100045;清華大学電机工程与応用電子技術系,北京市 100084) ,  Liu Hui (国网冀北電力有限公司電力科学研究院,北京市 100045;風光儲并网運行技術国家電网公司重点実験室,北京市 100045) ,  Song Peng (国网冀北電力有限公司電力科学研究院,北京市 100045;風光儲并网運行技術国家電网公司重点実験室,北京市 100045) ,  Hu Zechun (清華大学電机工程与応用電子技術系,北京市 100084) ,  Wu Linlin (国网冀北電力有限公司電力科学研究院,北京市 100045;風光儲并网運行技術国家電网公司重点実験室,北京市 100045)
資料名： Dianli Xitong Zidonghua  (Dianli Xitong Zidonghua)
巻： 45  号： 7  ページ： 37-43  発行年： 2021年 
JST資料番号： C2510A  ISSN： 1000-1026  CODEN： DXZIE9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 任意の流入条件下のウィンドファームの発電電力を正確に予測することは、送電網の風力発電の受付能力を高める有効な措置である。大規模ウィンドファームの電力予測に対して、単一ポイント風速外挿予測の代表的な差の制限を用いて、ガウス混合モデル(GMM)クラスタリングに基づくウィンドファーム短期電力予測方法を提案した。方法:データ分布特徴と結合して、GMMクラスタリングを利用して大型ウィンドファームをいくつかのユニットグループに分け、ベイズ情報基準指標評価を通じて、ウィンドファーム内の最適なユニットグループ分け方案を獲得した。実例検証により、時間級、月度級、年度級などの時間尺度に従って統計を行い、確立したGMMクラスタリングモデルは、いずれも未分類の風力電力予測モデルの精度を大幅に向上させた。広範なk-meansクラスタリングや階層的凝集クラスタリングなどの方法と比較して,GMMクラスタリング法は,電力予測において顕著な利点を示し,大規模ウィンドファームの短期電力予測モデルの最適化と運転経済性の向上に技術的支援と基礎を提供した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *予測技法 ,  最適化 ,  風速 ,  外挿法 ,  *電力 ,  経済性 ,  送電系統 ,  風力発電 ,  *クラスタ化 ,  風力 ,  *ウインドファーム ,  予測モデル
準シソーラス用語： *Gauss混合モデル ,  発電電力 ,  クラスタリング法 , 【Automatic Indexing@JST】

分類 (2件)： 電力系統一般  (NB02000E) ,  風力発電  (NB03120Q)

タイトルに関連する用語 (6件)： ガウス ,  混合モデル ,  クラスタ化 ,  ウィンドファーム ,  短期 ,  予測法