基于优化聚类的组合风速短期预测

《基于优化聚类的组合风速短期预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于优化聚类的组合风速短期预测陈记牢栗惠惠李富强郝飞张圆美呼和浩特职业学院机电学院国网吉林省电力有限公司经济技术研宄院摘要：准确的风功率预测对电力系统安全、稳定运行具有重要意义，而风速预测是风功率预测的关键。文章提出一种基于优化模糊C均值(OptimalFuzzyCmeans,OECM)聚类的组合风速短期预测方法。首先，采用模拟退火遗传算法优化模糊C均值聚类算法的初始聚类中心;其次，基于优化模糊C均值聚类算法将初始风速属性样本数据进行分组;再根据不同风速样本组，运用极限学习机(ExtremelyLearningMachine,ELM)构建组合风速预

2、测模型;最后，通过风速实测值与预测值的对比，验证了该方法的可行性。关键词：风速预测;模拟退化遗传算法;FCM聚类;极限学J机;作者简介：陈记牢(1965-),男，博士，讲师，研究方向为新能源技术。E-mail:1178185071@qq.com收稿日期：2017-07-13基金：国家高技术研究发展计划“863”资助项目(SS2014AA052502)Short-termwindspeedforecastingofcombinedELMbasedonoptimalclusteringChenJilaoLiHuihuiLiFuqiangHaoFeiZh

3、angYuanmeiSchoolofMechanicalandElectricalEngineering,HohhotVocationalCollege;StateGridJilinElectricPowerCo.，Ltd.EconomicandTechnicalResearchInstitute;Abstract：Accuratewindspeedpredictionisthekeytowindpowerforecastingandveryimportanttothesafeandstableoperationofpowersystem.This

4、paperpresentsamethodofcombinedshort-termwindspeedforecastingbasedonoptimalfuzzyCmeans(OFCM)clustering.Firstofall，theinitialclusteringcenteroffuzzyCmeansclusteringalgorithmisoptimizedbyusingsimulatedannealinggeneticalgorithm.Then,theinitialwindspeedattributedataisclassified.Acc

5、ordingtothedifferentwindspeedsamples,combinedwindspeedforecastingmodelisbuiltbyusingextremelearningmachine(ELM).Finally,thefeasibilityofthemethodisverifiedbycomparingthemeasureddatawithpredictedvalue.Keyword：windspeedforecasting;geneticsimulatedannealingalgorithm;FCMclustering

6、;extremelearningmachine;Received：2017-07-130引言随着环保危机的加剧及化石能源的大量消耗，风力发电由于其清洁、无污染等特点，越来越受到人们的广泛关注［1］，［2］。风速存在随机性、不确定性，大规模的风电并网会给电力系统的安全、稳定运行带来了巨大的挑战，因此，准确的风速预测是至关重要的［3］。常用的风速预测方法有时间序列法、持续法及神经网络法等［4］~［7］。神经网络的抗噪性与非线性拟合能力强，基于历史数据可有效拟合不同气象属性与风速的非线性关系，进而开展风速预测M2IM。影响风速预测的因素有很多，如温度、湿

7、度、风向及气压等，由于风速在时间尺度范围上是连续的，因此每个因素又包含前一时刻的值、前两时刻的值、前三吋刻的值……，在预测模型中考虑过多的因素会增加预测模型的复杂度，消耗更多的计算资源，降低预测模型的精度。此外不同的气候条件下，风速有很大的不同，单一神经网络仍然难以满足不同气象条件下的风速预测需要。因此，对风速属性样本集合进行聚类分析，构建不同的风速预测模型，可提高不同气候条件下风速预测精度。文献［11］通过分析风速曲线极值点间线段斜率变化情况获取相似样木，用于训练支持向量机预测模型，提高了模型的泛化能力。文献［12］通过K-means聚类方法，构

8、建不同类别的风速预测模型，提高Y模型的准确性。文献［13］采用加权欧氏距离改进聚类方法对风速历史数据进行聚类分析，构建不同