基于聚类分析的风电功率预测数据预处理方法

作者：张里; 王兰; 李红军; 廖小君; 王婷婷; 张江林; 刘友波

来源：可再生能源, 2018, 36(12): 1871-1876.

DOI：10.3969/j.issn.1671-5292.2018.12.022

• 数据预处理方法
• 风电预测
• 模糊C均值聚类
• 模糊模式识别
• 相关性分析

为了提高预测模型精度以及降低模型的复杂程度,减小模型的训练时间,文章提出一种基于改进模糊C均值聚类算法的数据预处理方法,以提高风电功率时间序列的预测模型的预测性能。首先,对实测风电功率混沌时间序列进行了相空间重构;其次,对相空间中的各维输入序列与输出功率序列进行相关性分析,使用相点与相对相关系数的加权建立聚类判据;然后,结合减聚类算法对模糊C均值聚类的收敛速度进行改进,改进的模糊C均值算法将输入序列聚为4类,对每类数据建模。结果表明,对原始数据进行聚类预处理后,预测模型的精度得到了提高。

• 单位
  成都信息工程大学; 国网四川省电力公司技能培训中心; 四川大学