本文關(guān)鍵詞：基于高斯混合模型的風(fēng)電場群功率波動概率密度分布函數(shù)研究

  更多相關(guān)文章： 風(fēng)電功率波動 概率密度分布 擬合效果 單一分布函數(shù)模型 高斯混合模型

【摘要】：如何描述風(fēng)電功率波動的概率密度分布特性一直是風(fēng)電聯(lián)網(wǎng)運(yùn)行分析領(lǐng)域的難點(diǎn)。在利用概率密度函數(shù)法分析風(fēng)電功率波動特性的基礎(chǔ)上,首先驗(yàn)證了采用多種單一分布函數(shù)模型擬合風(fēng)電波動概率密度分布特性的效果較差,并根據(jù)列維定理揭示了風(fēng)電場群出力波動概率密度分布特性呈現(xiàn)多種分布的規(guī)律;在此基礎(chǔ)上提出采用高斯混合模型替代單一分布函數(shù)模型來擬合風(fēng)電波動概率密度分布特性的方法。仿真結(jié)果表明,高斯混合模型具有良好的擬合效果,適用于描述大型風(fēng)電場群出力波動的概率密度分布特性。
【作者單位】： 東北電力大學(xué)電氣工程學(xué)院;國網(wǎng)吉林省電力有限公司培訓(xùn)中心;
【關(guān)鍵詞】： 風(fēng)電功率波動 概率密度分布 擬合效果 單一分布函數(shù)模型 高斯混合模型
【基金】：國家重點(diǎn)基礎(chǔ)研究發(fā)展計劃項目(973項目)(2013CB228201) 國家自然科學(xué)基金項目(51207018) 國家電網(wǎng)公司科技項目(SGLNSY00FZJS1500191)~~
【分類號】：TM614
【正文快照】： 描述大型風(fēng)電場群出力波動的概率密度分布特性。0引言隨著風(fēng)電并網(wǎng)規(guī)模的逐漸增大,風(fēng)電功率波動給電力系統(tǒng)穩(wěn)定運(yùn)行帶來的影響愈發(fā)受到關(guān)注,對風(fēng)電功率波動特性的分析一直是該領(lǐng)域的熱點(diǎn)研究問題。近年來,基于統(tǒng)計理論的概率密度函數(shù)法在風(fēng)電功率波動特性及其量化分析的研究中

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 馬超;張政石;;基于二維高斯混合模型的駕駛行為分析[J];硅谷;2011年05期

2 曾洪;盧偉;宋愛國;;基于完整似然最短信息長度準(zhǔn)則的高斯混合模型聚類(英文)[J];Journal of Southeast University(English Edition);2013年01期

3 仲莉恩;隋立林;;基于高斯混合模型陰影消除算法研究[J];中國電力教育;2009年S2期

4 邵妍;霍春寶;金曦;;基于改進(jìn)的高斯混合模型算法的說話人識別[J];遼寧工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2010年01期

5 徐保勇;王媛麗;王平;高穎慧;范慶明;;基于高斯混合模型機(jī)載下視運(yùn)動目標(biāo)檢測方法[J];重慶理工大學(xué)學(xué)報(自然科學(xué));2011年11期

6 何明;馮博琴;馬兆豐;傅向華;;一種基于高斯混合模型的無監(jiān)督粗糙聚類方法[J];哈爾濱工業(yè)大學(xué)學(xué)報;2006年02期

7 吳迪;曹潔;王進(jìn)花;;基于自適應(yīng)高斯混合模型與靜動態(tài)聽覺特征融合的說話人識別[J];光學(xué)精密工程;2013年06期

8 張曉娜;何仁;劉志強(qiáng);陳士安;倪捷;;基于空間信息高斯混合模型的運(yùn)動車輛檢測[J];江蘇大學(xué)學(xué)報(自然科學(xué)版);2011年04期

9 於躍成;劉彩生;生佳根;;分布式約束一致高斯混合模型[J];南京理工大學(xué)學(xué)報;2013年06期

10 董宏輝;孫智源;葛大偉;秦勇;賈利民;;基于高斯混合模型的鐵路入侵物體目標(biāo)識別方法[J];中國鐵道科學(xué);2011年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 駱俊;馬盡文;;高斯混合模型的遺傳分基融合算法[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

2 廖頻;沈理;;基于高斯混合模型的人臉圖象識別研究[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

3 馬盡文;何學(xué)鋒;;高斯混合模型的數(shù)據(jù)尺度可壓縮參數(shù)學(xué)習(xí)算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

4 瞿俊;姜青山;董槐林;;基于高斯混合模型的層次聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

5 蔡念;郭文婷;陳世文;潘晴;;融合高斯混合模型和小波變換的運(yùn)動目標(biāo)檢測[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

6 龍艷花;郭武;戴禮榮;;一種應(yīng)用于SVM說話者確認(rèn)系統(tǒng)的新型序列核[A];第九屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];2007年

7 劉李漫;陶文兵;田金文;;融合多高斯混合模型與Graph Cuts優(yōu)化技術(shù)的目標(biāo)自動檢測方法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

8 康永國;雙志偉;陶建華;張維;徐波;;高斯混合模型和碼本映射相結(jié)合的語音轉(zhuǎn)換算法[A];第八屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];2005年

9 應(yīng)冬文;顏永紅;付強(qiáng);國雁萌;;基于約束高斯混合模型的噪聲功率譜估計[A];2010年通信理論與信號處理學(xué)術(shù)年會論文集[C];2010年

10 唐英干;劉東;關(guān)新平;;基于高斯混合模型的多分辨率圖像分割[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

，

本文編號：553006