基于K-means算法的RBF神经网络预测光伏电站短期出力

• 作者: 杨宁 王亮 邵堃侠 郭卫民
• 来源期刊: 上海电机学院学报
• 学科: 工学
• 关键词: 功率预测 径向基神经网络 K-means算法 减法聚类 点对称距离
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 机电工程
• 页码范围: 27-33
• 页数: 7页
• 分类号: TM615
• 字数: 5484字
• 语种: 中文

摘要

对K-means算法加以改进,使用减法聚类确定聚类中心数量;以相距最远的两个样本作为聚类中心的边界,改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中,使其能够反映样本之间的关系和分布特征;初始中心确定后,使用点对称距离方法调整聚类中心.利用改进的K-means算法将历史日聚类分成4种天气类型,取相似日作为训练样本,对4种天气类型分别建立基于改进K-means算法的RBF神经网络功率预测模型.采用上海某光伏电站实测数据验证,结果表明提出的的预测方法精度提高,实用性较强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨宁	上海电力学院自动化工程学院	50	348	10.0	15.0
2	王亮	上海电力学院自动化工程学院	5	31	2.0	5.0
3	邵堃侠	上海电力学院自动化工程学院	1	4	1.0	1.0
4	郭卫民	国网河南省电力公司电力科学研究院	1	4	1.0	1.0