【技术实现步骤摘要】
本申请涉及风电，尤其涉及一种基于多尺度突变功率dkm聚类的风电出力预测方法。
技术介绍
1、风力发电作为一种绿色可再生能源，在全球范围内得到了广泛应用和全面发展。传统的风电出力预测方法主要基于历史观测数据和气象条件等因素来建立数学模型，以预测未来一段时间内的风电出力。然而，由于风速的突变往往会对出力时序产生显著影响，特别是当极端气象天气发生时，易导致功率突变事件，比如短时的风电爬坡事件等。传统方法难以对这种突变情况进行准确预测，导致预测精度和鲁棒性受限。
2、相关技术中采用多种方法来预测风电出力，如：统计模型利用历史数据和统计分析来预测风电出力；机器学习方法则利用历史数据训练模型，通过学习数据的模式和关系进行预测；支持向量机、随机森林和神经网络等机器学习算法可以对大量的数据进行学习，从而预测未来的风电出力；物理模型利用数值天气预报nwp和风机与环境相互作用的方程，通过考虑风速、风向、风机特性等因素来建立描述风电出力的模型；混合方法结合多种方法的优点，将统计模型、机器学习和物理模型等方法相互结合。然而，现有的方法未对风电爬坡事...
【技术保护点】
1.一种基于多尺度突变功率DKM聚类的风电出力预测方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种基于多尺度突变功率DKM聚类的风电出力预测方法，其特征在于：所述基于风电爬坡事件的突变检测算法对风电机组历史运行数据执行突变段识别包括：
3.如权利要求1所述的一种基于多尺度突变功率DKM聚类的风电出力预测方法，其特征在于：所述基于风电爬坡事件的突变检测算法对风电机组历史运行数据执行突变段识别包括：
4.如权利要求3所述的一种基于多尺度突变功率DKM聚类的风电出力预测方法，其特征在于：所述基于风电爬坡事件的突变检测算法对风电...
【技术特征摘要】
1.一种基于多尺度突变功率dkm聚类的风电出力预测方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种基于多尺度突变功率dkm聚类的风电出力预测方法，其特征在于：所述基于风电爬坡事件的突变检测算法对风电机组历史运行数据执行突变段识别包括：
3.如权利要求1所述的一种基于多尺度突变功率dkm聚类的风电出力预测方法，其特征在于：所述基于风电爬坡事件的突变检测算法对风电机组历史运行数据执行突变段识别包括：
4.如权利要求3所述的一种基于多尺度突变功率dkm聚类的风电出力预测方法，其特征在于：所述基于风电爬坡事件的突变检测算法对风电机组历史运行数据执行突变段识别还包括：
5.如权利要求1所述的一种基于多尺度突变功率dkm聚类的风电出力预测方法，其特征在于：所述s2包...
【专利技术属性】
技术研发人员：杨晓丰，赵寿生，李康毅，胡恩德，祁炜雯，章立宗，张旭阳，唐志琼，陈超，赵伟苗，张心心，张小珍，黄行星，范强，黄缘，徐则仕，陈鲁，周戴明，王建军，程恩，
申请(专利权)人：国网浙江省电力有限公司绍兴供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。