[1]郭敏,赵巧娥,高金城,等. 大数据下风电场混合算法建模研究[J].哈尔滨理工大学学报,2019,(01):48-54.[doi:1015938/jjhust201901008]
 GUO Min,ZHAO Qiao e,GAO Jin cheng,et al. Application of Hybrid Algorithm with Large Data in Wind Farm Modeling[J].哈尔滨理工大学学报,2019,(01):48-54.[doi:1015938/jjhust201901008]
点击复制

 大数据下风电场混合算法建模研究
()
分享到:

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

卷:
期数:
2019年01期
页码:
48-54
栏目:
电气与电子工程
出版日期:
2019-08-06

文章信息/Info

Title:
 Application of Hybrid Algorithm with Large Data in Wind Farm Modeling

作者:
 郭敏赵巧娥高金城周斌龙
(山西大学 电力工程系,山西 太原 030013)
Author(s):
 GUO MinZHAO QiaoeGAO JinchengZHOU Binlong
 (Department of Electric Power Engineering, Shanxi University, Taiyuan 030013, China)
关键词:
 关键词:大数据风电场粒子群优化算法Kmeans聚类算法建模
Keywords:
 Keywords:big data wind farm particle swarm optimization algorithm Kmeans clustering algorithm modeling
分类号:
TM614
DOI:
1015938/jjhust201901008
文献标志码:
A
摘要:
 摘要:利用优化粒子群Kmeans混合聚类算法分析大规模风电场的实际运行数据并对其建模。以山西盛风岭风电场作为实例,在大数据下依据其实际运行数据建立风速-功率模型并利用优化粒子群Kmeans混合聚类算法(IPSOKmeans)进行模型优化。结果显示,对比方法(传统方法、Kmeans、PSOKmeans)的平均误差分别为4629%、1858%、1730%,而IPSOKmeans方法的平均误差为1411%,说明所提方法可以大大提高模型的准确性。
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


参考文献/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.

相似文献/References:

[1]孙永全,郭建英,陈洪科,等.AMSAA模型可靠性增长预测方法的改进[J].哈尔滨理工大学学报,2010,(05):49.
 SUN Yong-quan,GUO Jian-ying,CHEN Hong-ke,et al.An Improved Reliability Growth Prediction Algorithm Based on AMSAA Model[J].哈尔滨理工大学学报,2010,(01):49.
[2]滕志军,李晓霞,郑权龙,等.矿井巷道的MIMO信道几何模型及其信道容量分析[J].哈尔滨理工大学学报,2012,(02):14.
 TENG Zhi-jun,LI Xiao-xia,ZHENG Quan-long.Geometric Model for Mine MIMO Channels and Its Capacity Analysis[J].哈尔滨理工大学学报,2012,(01):14.
[3]李艳苹,张礼勇.新训练序列下的改进OFDM符号定时算法[J].哈尔滨理工大学学报,2012,(02):19.
 LI Yan-ping,ZHANG Li-yong.An Improved Algorithm of OFDM Symbol Timing Based on A New Training Sequence[J].哈尔滨理工大学学报,2012,(01):19.
[4]赵彦玲,车春雨,铉佳平,等.钢球全表面螺旋线展开机构运动特性分析[J].哈尔滨理工大学学报,2013,(01):37.
 ZHAO Yan-ling,CHE Chun-yu,XUAN Jia-ping,et al.[J].哈尔滨理工大学学报,2013,(01):37.
[5]李冬梅,卢旸,刘伟华,等.一类具有连续接种的自治SEIR传染病模型[J].哈尔滨理工大学学报,2013,(01):73.
 LI Dong-mei,LU Yang,LIU Wei-hua.[J].哈尔滨理工大学学报,2013,(01):73.
[6]华秀英,刘文德.奇Hamiltonian李超代数偶部的非负Z-齐次导子空间[J].哈尔滨理工大学学报,2013,(01):76.
 HUA Xiu-ying,LIU Wen-de.[J].哈尔滨理工大学学报,2013,(01):76.
[7]桂存兵,刘洋,何业军,等.基于LCC谐振电路阻抗匹配的光伏发电最大功率点跟踪[J].哈尔滨理工大学学报,2013,(01):90.
 GUI Cun-bing,LIU Yong,HE Ye-jun.[J].哈尔滨理工大学学报,2013,(01):90.
[8]翁凌,闫利文,夏乾善,等.PI/TiC@Al2O3复合薄膜的制备及其电性能研究[J].哈尔滨理工大学学报,2013,(02):25.
 WENG Ling,YAN Li-wen,XIA Qian-shan.[J].哈尔滨理工大学学报,2013,(01):25.
[9]姜彬,林爱琴,王松涛,等.高速铣刀安全性设计理论与方法[J].哈尔滨理工大学学报,2013,(02):63.
 JIANG Bin,LIN Ai-qin,WANG Song-tao,et al.[J].哈尔滨理工大学学报,2013,(01):63.
[10]李星纬,李晓东,张颖彧,等.EVOH 磺酸锂电池隔膜的制备及微观形貌[J].哈尔滨理工大学学报,2013,(05):18.
 LI Xing- wei,LI Xiao- dong,ZHANG Ying- yu,et al.The Preparation and Microcosmic Morphology oEVOH- SO Li Lithium Ion Battery Septum[J].哈尔滨理工大学学报,2013,(01):18.
[11]高忠文,牛孜飏. 基于大数据的交通流量模式分析[J].哈尔滨理工大学学报,2018,(06):124.[doi:10.15938/j.jhust.2018.06.022]
 GAO Zhong wen,NIU Zi yang. Traffic Flow Pattern Analysis Based on Big Data[J].哈尔滨理工大学学报,2018,(01):124.[doi:10.15938/j.jhust.2018.06.022]

备注/Memo

备注/Memo:
 基金项目:国家自然科学基金(U1610116)
更新日期/Last Update: 2019-03-26