全文总字数：4287字
文献综述
1.研究背景： 随着时代的发展，化石能源使用的急剧增加，造成的大气污染和全球变暖问题日益严重，因此，使用可再生能源等新能源来代替化石能源发电迫在眉睫。
据统计，截至2020年底，全球装机情况：来自全球风能委员会发布的最新数据显示，2020年全球海上风电新增装机容量超过6GW，增长量仅次于2019年。
我国装机情况：2020年新增风电装机7167万千瓦、太阳能发电4820万千瓦，风光新增装机之和约为1.2亿千瓦，风光装机占比已经高达24%，高比例新能源电力时代已逐步来临。
数据显示，可再生能源发电装机占比有望在2025年前后约50%，2050年占比超过80%，规模达到200亿干瓦;发电量占比在2035年超过50%，2050年超过80%。
随着新能源并网规模的逐渐增大，其随机性、间歇性、波动性等对电网运行带来极大挑战，消纳问题严峻，亟需对其运行特性进行研究。
当今时代，智能设备的普及和互联网信息的爆炸式增长[1]，全球新能源发电也在大规模蓬勃发展，然而，新能源大规模发展也需要秩序和引导，这就需要对新能源发电特性数据基于模糊聚类算法进行特性分析，对数据进行处理，灵活地运用新能源发电特性数据进行出力特性分析、统计分析和智能并网提高利用率和合理安排年负荷。
目下，新能源发电利用率仍然不尽人意，弃光弃电、过度饱和未消费等消纳问题十分严重，，亟需对其运行特性进行研究，降低其不稳定性因素的影响，为社会稳定生产提供安全性和稳定性保障，也为我国的新能源电网升级提供支持和保障，具有很强的现实意义。
2.研究现状：文献［1］分析了风电波动特性，利用SOM神经网络算法，按照波动程度大小对风电出力进行聚类分析，用Gauss函数量化波动变化的规律，并统计了波动类间的转移概率和参数概率分布，最后求解风电出力的时间序列。
文献[2]研究了风电的波动性、相关性及风电功率在不同时间尺度下的变化，给出了表征以上特性的指标，并分析风电出力随时空变化的规律，基于酒泉风电基地的实测数据，验证了各指标的有效性，并完成对功率曲线的修正。
