|Table of Contents|

 Application of Hybrid Algorithm with Large Data in Wind Farm Modeling

(PDF)

《哈尔滨理工大学学报》[ISSN:1007-2683/CN:23-1404/N]

Issue:
2019年01期
Page:
48-54
Research Field:
电气与电子工程
Publishing date:

Info

Title:
 Application of Hybrid Algorithm with Large Data in Wind Farm Modeling

Author(s):
 GUO MinZHAO QiaoeGAO JinchengZHOU Binlong
 (Department of Electric Power Engineering, Shanxi University, Taiyuan 030013, China)
Keywords:
 Keywords:big data wind farm particle swarm optimization algorithm Kmeans clustering algorithm modeling
PACS:
TM614
DOI:
1015938/jjhust201901008
Abstract:
 Abstract:The real operation data of largescale wind farm are analyzed and modeled by using the optimized particle swarm Kmeans hybrid clustering algorithm Shanxi Sheng wind ridge wind farm as an example, in the era of big data on the basis of the actual operation data to build wind power model and the optimization of particle swarm Kmeans hybrid clustering algorithm (IPSOKmeans) is used to optimize the model The results showed that the comparative method (traditional method, Kmeans, PSOKmeans) the average error is 4629%, 1858% and 1730% respectively, while the average error of IPSOKmeans is 1411% The results show that the proposed method can greatly improve the accuracy of the model


References:

 [1]陈凡,卫志农,张小莲,等. 计入风速与风电机组故障相关性的风电场可靠性建模及其应用[J]. 中国电机工程学报,2016,11:2900.
[2]夏安俊,鲁宗相,闵勇,等. 双馈异步发电机风电场聚合模型研究[J]. 电网技术,2015,7:1879.
[3]葛江北,周明,李庚银. 大型风电场建模综述[J]. 电力系统保护与控制,2013,17:146.
[4]张元,郝丽丽,戴嘉祺. 风电场等值建模研究综述[J]. 电力系统保护与控制,2015,6:138.
[5]陈继明,王辉,仉志华. 双馈风电场等值准确度研究[J]. 电网技术,2014,7:1867.
[6]赵宇思,吴林林,宋玮,等. 数据挖掘方法在新能源发电中 的应用[J]. 华北电力技术,2015,10:47.
[7]张少敏,毛冬,王保义. 大数据处理技术在风电机组齿轮箱故障诊断与预警中的应用[J]. 电力系统自动化,2016,40(14):129.
[8]郭志,陈洁,黄净,等. 基于改进遗传KM聚类算法的风电场机群划分方法[J]. 可再生能源,2016,2:238.
[9]林俐,潘险险. 基于分裂层次半监督谱聚类算法的风电场机群划分方法[J]. 电力自动化设备,2015,2:8.
[10]刘步中,张曦煌. 基于模糊聚类的含风电场发电系统可靠性分析[J]. 电网与清洁能源,2016,7:138.
[11]沈清野,沈清坤,秦本双. 基于聚类-实测风功率曲线的风电场等值模型研究[J]. 黑龙江电力,2016,2:114.
[12]丁坤,吕清泉,蔡旭,等. 采用样板机法计算风电场弃风电量的实测数据统计分析[J]. 可再生能源,2016,1:56.
[13]吴荣. 基于粒子群算法的双馈风电场模型参数辨识[J]. 电子测试,2014,5:41.
[14]武良,许晓峰,佟金锴,等. 基于混合粒子群算法的风电场无功优化调度[J]. 沈阳工程学院学报(自然科学版),2015,4:6.
[15]王海明,韩肖清,田建艳,等. 考虑实际运行数据的风电场稳态建模[J]. 电力系统及其自动化学报,2016,9:27.
[16]杨茂,熊昊,严干贵,穆钢. 基于数据挖掘和模糊聚类的风电功率实时预测研究[J]. 电力系统保护与控制,2013,1:1.
[17]饶日晟,叶林,任成,等. 基于实际运行数据的风电场功率曲线优化方法[J]. 中国电力,2016,3:148.
[18]王钤,潘险险,陈迎,等. 基于实测数据的风电场风速-功率模型的研究[J]. 电力系统保护与控制,2014,2:23.
[19]程加堂,熊燕,罗瑞. 基于模拟退火粒子群算法的风电场短期风速预测[J]. 可再生能源,2014,4:485.
[20]张炜. 基于改进粒子群优化算法与风速分布回归函数法的复杂地形风电场优化布置方法[J]. 水电能源科学,2016,1:190.

Memo

Memo:
-
Last Update: 2019-03-26