基于优化FCM聚类的RELM风速预测

被引：26

作者：

潘超 ^{[1
]}

秦本双 ^{[1
]}

何瑶 ^{[1
]}

袁翀 ^{[2
]}

沈清野 ^{[3
]}

机构：

[1] 东北电力大学电气工程学院

[2] 国网淳安供电公司

[3] 国网舟山供电公司

来源：

电网技术 | 2018年 / 42卷 / 03期

关键词：

风速预测; 最大相关最小冗余; 模糊C均值聚类; 正则化; 极限学习机;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

准确的风速预测对大规模风电并网具有重要意义。提出一种基于互信息属性约简优化聚类的正则化极限学习机短期风速预测方法。首先考虑不同属性特征对风速的不同影响,计算风速特征属性序列与风速序列的互信息,并运用最大相关最小冗余算法进行特征选择,然后采用优化的模糊C均值聚类方法对风速样本进行聚类,再对极限学习机进行优化,进而构建风速组合预测模型。最后结合风电场实测数据进行风速预测实验,结果表明该方法具有较高的预测精度。

引用

页码：842 / 848

页数：7

共 7 条

[1]

A multiobjective framework for wind speed prediction interval forecasts.[J].Nitin Anand Shrivastava;Kunal Lohia;Bijaya Ketan Panigrahi.Renewable Energy.2016,

[2]

The study and application of a novel hybrid forecasting model – A case study of wind speed forecasting in China.[J].Jian-Zhou Wang;Yun Wang;Ping Jiang.Applied Energy.2015,

[3]

An Insight into Extreme Learning Machines: Random Neurons, Random Features and Kernels [J].