基于模糊聚类分析的风电功率预测研究

• 作者: 张传辉 王芳 田建艳 高炜
• 来源期刊: 太原理工大学学报
• 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
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 信息工程·电气与动力工程
• 页码范围: 133-139
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2018.01.020

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王芳	太原理工大学信息工程学院	73	473	11.0	19.0
5	田建艳	太原理工大学信息工程学院	51	183	8.0	10.0
9	高炜	太原理工大学机械工程学院	12	29	4.0	5.0
10	张传辉	太原理工大学信息工程学院	2	9	1.0	2.0