相似样本优化选取的短期风电功率预测

作者：张颖超; 沈子豪; 马伟叁; 熊雄; 陈昕

来源：重庆理工大学学报：自然科学, 2022, 36(01): 277-284.

• 核主成分分析
• 动态时间规整法
• 核极限学习机
• 短期风电功率预测

为减少训练样本中的冗余数据和特征信息,提高风电功率预测的精度,提出了一种基于核主成分分析(KPCA)、动态时间规整法(DTW)及核极限学习机(KELM)相结合的预测方法(KPCADTWKELM)。首先对影响风机出力的各个因素进行核主成分分析,筛选出贡献率较高的特征因素。为优化样本数据,引入动态时间规整法,找出与预测日相似的样本数据,采用核极限学习机(KELM)进行风电功率预测。根据提出的预测方法,对上海某风电场数据进行对比实验。实验证明,KPCADTWKELM预测模型提高了短期风电功率预测的精度,具有一定普适性。

• 单位
  自动化学院; 南京信息工程大学