基于集群划分的区域短期风电功率预测模型

作者：黄秋红; 王霄^*; 杨靖; 范圆成

来源：电力科学与工程, 2022, 38(12): 8-17.

• 集群划分
• 区域风电功率预测
• 自适应K-means
• 改进粒子群优化
• 长短期神经网络

首先，利用自适应K-means聚类算法对区域风电场进行合理集群划分，并选择集群内各风电场历史功率数据与集群总历史功率数据间相关系数大的风电场为集群特征点；其次，为各集群特征点分别建立基于改进粒子群（improved particle swarm optimization,IPSO）优化的长短期神经网络（long short-term memory,LSTM）风电功率预测模型（IPSO-LSTM）；最后，以各集群特征点的功率预测值为输入，利用IPSO-LSTM模型预测各集群的风电功率，以各集群风电功率预测值之和为该区域的风电功率预测结果。以实际数据为算例的仿真结果表明，所提方法不仅克服了人为确定LSTM参数的缺点，且相比于直接相加法，能更好地拟合实际风电功率曲线，具有更高的预测精度。

• 单位
  贵州大学