科研之友
微信
新浪微博
Facebook
分享链接
摘要
聚类方法已被广泛应用至风电功率预测算法中。然而，传统的聚类方法对于多个维度的样本间的整体性与关联性的处理还有待进一步完善。针对上述问题，提出一种新的基于相似性指数聚类的风电功率预测方法，使用指数相似系数法改进了模糊C均值聚类(FCM)中的欧式距离，从而在聚类中体现出样本点的多个气象因素波动与功率趋势，通过改进后的聚类算法得到不同的风电样本子集并建立相应的神经网络预测模型，不同模型的预测结果按风电样本点的时间顺序组合进行风电功率预测。最后采用算例进行验证，结果显示，相对于传统方法，此方法可以在不额外增加风电样本维度的情况下，挖掘出样本点所包含的关联性特征，提高风电样本子集的紧凑程度，更好的表征气象变化因素与功率趋势之间的映射关系，进而提高风电功率短期预测的精度。
- 单位
