基于K-means算法的RBF神经网络预测光伏电站短期出力

作者：邵堃侠; 郭卫民; 杨宁; 王亮

来源：上海电机学院学报, 2017, 20(01): 27-33.

• 功率预测
• 径向基神经网络
• K-means算法
• 减法聚类
• 点对称距离

对K-means算法加以改进,使用减法聚类确定聚类中心数量;以相距最远的两个样本作为聚类中心的边界,改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中,使其能够反映样本之间的关系和分布特征;初始中心确定后,使用点对称距离方法调整聚类中心。利用改进的K-means算法将历史日聚类分成4种天气类型,取相似日作为训练样本,对4种天气类型分别建立基于改进K-means算法的RBF神经网络功率预测模型。采用上海某光伏电站实测数据验证,结果表明提出的的预测方法精度提高,实用性较强。

• 单位
  上海电力大学; 国网河南省电力公司电力科学研究院