基于模糊聚类分析的风电功率预测研究_中国煤炭行业知识服务平台

基于模糊聚类分析的风电功率预测研究

作者

张传辉田建艳高炜王芳
单位

太原理工大学信息工程学院太原理工大学电力系统运行与控制山西省重点实验室太原理工大学机械工程学院
摘要

提高短期风电功率预测精度是风电大规模发展的迫切要求,同时也是保障风电并网运行的关键。笔者在不增加模型复杂度的前提下,提出了聚类建模方法。该方法首先采用减法聚类与模糊C均值聚类(FCM)方法相结合对训练样本进行处理,然后建立不同聚类集下对应的预测模型库,最后将预测数据与聚类后的样本数据进行匹配,选择合理的模型进行预测。采用山西某风电场实际数据进行大量仿真,并将预测结果与单一模型结果对比,结果表明,该方法可以减少大的预测误差点数,有效提高风电功率预测精度。
关键词

风电功率预测模糊C均值聚类神经网络训练样本处理减法聚类
基金项目(Foundation)

国家自然科学基金资助项目(51277127)；
相关文章

[1]基于RBF神经网络的天线阵方向图建模
[2]基于神经网络的复杂工业过程参数设定值计算