大数据下基于IPSO优化模糊PSR-KELM模型预测风功率

• 作者: 严志伟 任建龙 赵巧娥 高金城
• 来源期刊: 自动化与仪表
• 关键词: 大数据 改进粒子群算法 模糊C均值聚类算法 相空间重构技术 核极限学习机 风功率预测
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 系统建模、仿真与分析
• 页码范围: 77-81,108
• 页数: 6页
• 分类号: TP273
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2019.08.018

摘要

该文利用改进粒子群算法分别优化模糊C均值聚类算法以及基于相空间重构技术和核极限学习机组合模型(PSR-KELM模型)的四参数预测风速.首先,利用优化之后的模糊C均值聚类算法计算风电场实际采集风速数据的模糊隶属度并进行分类,形成代表性强的预测风速模糊样本数据;其次,对PSR-KELM模型的四参数(τ,m,γ,σ)进行优化;最后,基于风速模糊样本数据以及优化四参数的PSR-KELM模型预测风速.以晋北风场作为实例,通过分析其现场实际运行数据,与四参数优化的PSR-KELM模型、模糊四参数优化的PSR-KELM模型相比,改进移动平均平滑算法可以有效滤除异质值,拟合出更接近风电场实际运行状况的风速-功率曲线.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵巧娥	山西大学电力工程系	45	135	7.0	10.0
2	高金城		3	0	0.0	0.0
3	任建龙	山西大学电力工程系	3	0	0.0	0.0
4	严志伟		1	0	0.0	0.0