Resumen

Las características intermitentes e inciertas de la generación eólica han traído nuevos desafíos para la capacidad de acogida y la integración de la energía eólica a gran escala en el sistema eléctrico. En consecuencia, la previsión razonable de la capacidad instalada de energía eólica (WPIC, por sus siglas en inglés) es la solución más efectiva y aplicable para enfrentar este desafío. Sin embargo, la optimización de un solo parámetro del modelo gris convencional tiene algunas limitaciones para mejorar su capacidad de modelado. Con este fin, en este artículo se propone un nuevo modelo de predicción gris con optimización de combinación de parámetros. En primer lugar, considerando el mecanismo y el proceso de modelado, se optimiza el orden de generación acumulativa del modelo de predicción gris mediante el Algoritmo de Optimización de Enjambre de Partículas (PSO, por sus siglas en inglés). En segundo lugar, dado que diferentes órdenes de generación acumulativa corresponden a diferentes matrices de parámetros, se

• Materias:Internet de las cosas Algoritmo iterativo Algoritmo de evaluación Viga viscoelástica Lenguaje de programación
• Subjects:Internet of things Iterative algorithm Evaluation algorithm Viscoelastic beam Programming language
• Palabras claves:Generación eólica; Capacidad de alojamiento; Integración; Pronóstico; Modelo de predicción gris; Optimización
• Keywords:Wind generation; Hosting capacity; Integration; Forecasting; Grey prediction model; Optimization