基于改进K-means聚类的风光发电场景划分
宋学伟1 刘玉瑶2
生成PDF 清样下载 引用

复制成功

导出题录

参考文献( GB/T 7714-2015 ) 复制

宋学伟1 刘玉瑶2,. 基于改进K-means聚类的风光发电场景划分[J]. 发电技术与研究,2020.12. DOI:.
摘要:
针对可再生能源发电,尤其是风力、光伏发电的出力不确定性问题,结合改进后的K-means聚类方法对发电的状态进行场景划分。首先建立风力、光伏发电的不确定性模型,选用合适的概率密度函数进行拟合;之后结合密度聚类和提出的混合评价函数,对基本的K-means聚类算法进行改进,解决了算法的初始聚类中心和聚类个数难以选取的问题;然后运用改进后的K-means聚类对某地风力、光伏发电场景进行聚类划分,从而将不确定性问题转化成确定性问题。最后通过对场景划分的算例进行分析,验证了所提方法的工程实用性。
关键词: 风力发电光伏发电密度聚类;K-means聚类场景划分
DOI:
基金资助:

》在线投稿系统

*文章题目:
*作者姓名:
*电子邮箱:
*通讯地址:
*联系方式:

  备      注:

*上传稿件:

支持上传.doc,.docx,.pdf,.txt,.wps文件

投稿须知:

1、审稿结果将于1~7个工作日以邮件告知,请注意查收(包含录用通知书、审稿意见、知网CNKI查重报告)。

2、提交投稿后,若7个工作日之内未接到录用通知,则说明该文章未被录用,请另投他刊。

3、凡投寄本刊稿件,如在内容上有侵权行为或不妥之处,均应文责自负。本刊有权对来稿进行文字编辑、加工和修改,如不同意,请附说明,以便妥善处理。

4、多作者文稿署名时须征得其他作者同意,排好先后次序,通知用稿后不再改动。

5、凡投往本刊稿件一经录用发表,其版权归本刊所有。

6、本刊已全文录入中国知网、万方、维普等数据库,如作者不同意被收录,请提前申明,未申明者,本刊一律视为同意被收录。

7、请勿一稿多投。