基于风功率数据研究的自动化风电场效益评估方法

Benefit evaluation method of automatic wind farm based on wind power data research

风电场建设与其效益有着直接关系,因此风电场效益评估具有重要的研究价值。在此背景下,针对德尔菲法、数据包络分析法、模糊综合评价法评估结果与实际结果误差较大的问题,在风功率数据研究的基础,提出一种新的自动化风电场效益评估方法。该方法将粗糙集理论与BP神经网络相结合,构建一种评估模型,具体过程如下:首先选取指标数据并进行处理,包括缺失值插补、标准化和离散化;接着利用处理好的指标数据制定效益决策表和构造分辨矩阵;然后利用粗糙集进行评价指标属性约简,减少数据量;再然后构建BP神经网络模型,将约简后的评估指标作为训练样本输入到模型当中,进行训练;最后进行实测,将测试样本输入到训练好的神经网络模型当中,得出效益评估结果。结果表明:与德尔菲法、数据包络分析法、模糊综合评价法相比,利用本方法进行评估,得出的结果更接近实际结果,误差较小。