典型文献
基于新型多维功率趋势聚类的风电功率预测方法
文献摘要：
为解决传统聚类算法对风电功率序列趋势特性的挖掘与利用较少,且对不同风电场进行可调节设计不足的问题,提出了一种基于新型多维功率趋势聚类的风电功率预测方法.该方法首先提出一种多维功率趋势相似距离度量方法,其中包括风电功率序列波动程度、波动时间及数值维度共3个维度的度量,对风电数据中的趋势特性进行挖掘;然后,采用提出的严格系数对各个维度的参与度进行调整,以适应不同风电场数据,获得较好的聚类效果;最后,将提出的多维功率趋势距离度量与传统的模糊C均值软聚类算法及Elman神经网络群相结合,构建完整的预测模型.研究结果表明:该方法能够有效挖掘风电功率序列中的趋势特性,并提高风电功率的预测精度.
文献关键词：
风电功率;短期预测;趋势聚类;模糊C均值软聚类;Elman神经网络;分类建模
中图分类号：
作者姓名：
师洪涛;闫佳;丁茂生;高峰;张智峰;李艺萱
作者机构：
北方民族大学电气信息工程学院,银川750021;国网宁夏电力有限公司,银川750001
文献出处：
引用格式：
[1]师洪涛;闫佳;丁茂生;高峰;张智峰;李艺萱-.基于新型多维功率趋势聚类的风电功率预测方法)[J].高电压技术,2022(02):430-438
A类：
B类：
趋势聚类,风电功率预测,聚类算法,挖掘与利用,风电场,可调节设计,距离度量,软聚类,Elman,短期预测,分类建模
AB值：
0.201216
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
