一种新型模块化风速预测方法

• 作者: 潘超 秦本双 蔡国伟 袁翀
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 风速预测 属性加权 模糊聚类 极限学习机
• 年，卷（期）: 2019,（8）
• 页码范围: 2196-2204
• 页数: 9页
• 分类号: TM614
• 语种: 中文

摘要

针对风电场风速随机性强、波动性明显以及预测难度高等问题,提出一种新型模块化风速预测的方法.该方法主要包含3个模块:风速属性加权模块、智能优化聚类模块及极限学习机风速预测模块.首先考虑不同气象属性对风速的影响和风速的时间波动特性,计算风速属性矩阵元素的皮尔逊系数值并进行加权;然后采用遗传-模拟退火算法优化模糊c均值聚类方法,对加权风速属性矩阵矢量进行聚类;再通过极限学习机构建各类别的风速预测模型,进行短期风速预测.最后结合美国一风电场(N39.91°,W105.29°)的实测数据对风速进行预测,通过对比仿真结果与实测数据验证该文方法的正确性和有效性,结果表明该方法具有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡国伟		138	1370	21.0	32.0
2	潘超		33	412	11.0	20.0
3	秦本双		6	14	2.0	3.0
4	袁翀		4	27	2.0	4.0