基于K均值模式划分改进模糊聚类与BP神经网络的风力发电预测研究

被引：35

作者：

樊国旗 ^{[1
]}

蔺红 ^{[1
]}

程林 ^{[2
]}

张锋 ^{[3
]}

樊国伟 ^{[3
]}

机构：

[1] 新疆大学电气工程学院

[2] 国家电网公司西北分部

[3] 国网新疆电力公司电力调度通信中心

来源：

智慧电力 | 2019年 / 47卷 / 05期

关键词：

BP神经网络; 模糊聚类; 风力发电预测;

D O I：

暂无

中图分类号：

TM614 [风能发电]; TP183 [人工神经网络与计算];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

为了克服模糊聚类不能反应数据内部差别的不足,提出了一种基于模式划分改进的模糊聚类与BP神经网络的风电功率预测算法。该算法首先确定最佳的模式划分数,接着将不同的风速模式下的历史风速数据进行模糊聚类以确定关联系数,并对关联系数高的历史风速数据和发电数据进行训练,然后利用BP神经网络得出风电预测功率。以新疆某地区实际风力发电数据作为仿真算例,对比分析了所提算法与未改进模糊聚类与BP神经网络在风力发电预测中的误差,结果表明所提算法克服了模糊聚类的缺点,具有更高的精度,对地区发电计划安排具有较高的价值。

引用

页码：38 / 42+83 +83

页数：6

共 14 条

[1]

Wind power prediction using hybrid autoregressive fractionally integrated moving average and least square support vector machine.[J].Xiaohui Yuan;Qingxiong Tan;Xiaohui Lei;Yanbin Yuan;Xiaotao Wu.Energy.2017,

[2]

关于当代能源转型方向的探讨 [J].