基于改进气象聚类分型的短期风电功率概率预测方法

精准的风电功率预测是对以新能源为主体的新型电力系统安全高效运行的重要支撑。针对现有预测方法未充分考虑不同气象条件下风电出力特性差异的问题,提出基于改进秃鹰搜索-最大期望算法的高斯混合模型(IBES-EM-GMM)聚类与气象分型的风电功率概率预测方法。首先,基于Levy飞行与自适应t分布变异策略改进秃鹰搜索算法,提出IBES-EM-GMM聚类模型,以增强其全局搜索能力。以此为基础,利用IBES-EM-GMM聚类模型对历史气象-功率数据集进行聚类划分,并采用混合深度神经网络与Cornish-Fisher级数分别训练不同气象模式的数据集以得到其概率预测结果。最后,选取中国冀北地区风电场实际数据进行算例仿真。结果表明,相较于无聚类和高斯混合模型聚类方法,所提IBES-EM-GMM聚类模型使聚类效果、风电功率点预测与概率预测精度均得到了显著提升。