基于优化聚类的组合风速短期预测.docVIP

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究院 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 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 (Optimal Fuzzy C means, OFCM) 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 (Extremely Learning Machine, ELM) 构建组合风速预测模型;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; 极限学习机; 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@ 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-term wind speed forecasting of combined ELM based on optimal clustering Chen Jilao Li Huihui Li Fuqiang Hao Fei Zhang Yuanmei School of Mechanical and Electrical Engineering, Hohhot Vocational College; State Grid Jilin Electric Power Co., Ltd.Economic and Technical Research Institute; Abstract： Accurate wind speed prediction is the key to wind power forecastingand very important to the safe and stable operation of power system.This paper presents a method of combined short-term wind speed forecasting based on optimal fuzzy C means (OFCM) clustering.First of all, the initial clustering center of fuzzy C means clustering algorithm is optimizedby using simulated annealing genetic algorithm.Then, the initial wind speed attribute data is classified.According to the differentwind speed samples, combined wind speed forecasting model is builtby using extreme learning machine (ELM) .Finally, the feasibility of the method is verified by comparing the measured data with predicted value. Keyword： wind speed forecasting; genetic simulated annealing algorithm; FCM clustering; extreme learning machine; Received： 2017-07-13 0 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[8]~[10]。影响风速预测的因素有很多, 如温度、湿度、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