《电气自动化》2020年第42卷第3期电控制
The New En e rqy Powet Control Tech n o l ogy
基于聚类分析和优化神经网络的风电功率预测研究
陈桂儒1，王冰1，曹智杰2，王绍平1
简笔画法
(1.河海大学能源与电气学院，江苏南京211100；2.南京豪庆信息科技有限公司，江苏南京210006)
不受欢迎的人摘要：为了提高风电功率的预测精度，减小风电随机性对电网的影响，提岀一种基于K均值聚类算法和思维进化算法优化误差反向传播神经网络的风电功率短期组合预测模型"首先，采用K均值聚类算法将为、中风和，为正和反个类别以其随机性"然后，为各个类别分别建立神经网络预测模型，用思算法对其初始权值和阈值寻优，再将待预测样本根据别输入应的预测模型中，最终的预测值o最后利用算例仿真，提的组合预测模型比其他传统预测模型具有更高的预测精度o
关键词：风电预测;K均值聚类；思算法；反向传播神经网络；组合预测模型
DOI：10・3969/j.is.1000-3886.2020.03.008
［中图分类号］TM614［文献标志码］A［文章编号］1000-3886(2020)03-0024-04
Rearch on Wind Power Prediction Bad
onCeusieiAnaeysos andOpiomozedNeuiaeNeiwoik
Chen Guiru1,Wang Bing1,Cao Zhijic2,Wang Shaoping1
(1.Collegr rf Energy and Electricae Engineering,Hohai University,Nanjing Jiangsu211100,China；
督察2.Nanjing Haoqing Iwformatiow Technology Co.,Ltd.,Nanjing Jiangsu210006,China$
Abstract:A short-term wind powee combication prediction model was propod bad on the K-means clustering alaoethm as well as optimized error back propaaation neural network using the mind evvlution alaorihm O s rai the prediction accuracy c S wind powee and reduce iheompacioowond poweiiandomne s upon ihepoweigiod._oisiey#Kameansceusieiongaegoioihm wasadopied iodovodewond speed into six camao/es：breeze,moderate wind and gale in positive and necativv directions#sc as to reduce the randomness.Then,neurd neiwoek peedocioon modeesweeeesiabeoshed ooea e caiegoeoes#eespecioveey#mond evoeuioon aegoeoihm wasud ioopiomoaeonoioae weoghisand iheeshoed vaeues,and ihesampeesiobepeedocied weeeompoeied onioco e espondongpeedocioon modeesioobiaon oonae prediction vvluc.Finally,example simulation
飞机制作proved that the propod combination prediction model had highee accuracy than othee ieadoioonaemodees.
Keywordt:wind powee prediction;K-means clustering;mind evvluhonara alyofthm;eiroe back propaaation neurd network;combination prediction modd
0引言
随着科技和产业的现代化，可再生能源使用率逐渐上升。风能是可再源重要的一，电具有很大的随机性，制约了电的大规模"为了更加有效地利用好风，减少电对电统的，研度高，适用于风电的预测方法，对电 的具有意义［1］o
重庆安全教育平台登录入口
电预测方法可以分为物理模型和统计模型方法⑵：物理模型主数字天气预报以及信预测；统计模型建立系统的输入(实测数据、历史记录数据)和电场有功间的内在联系，这种联以函数的表示，基于统计模型的预测方法很多，预测模型法%3&、时间序列法⑷、人工神经网络%5&"反向传播(back propagation，BP)神经网络凭借其强大学习能力的优点，广泛应用于电预测领域讪。BP神经网络存在一有的缺点，如易陷入局部最优、收敛速度慢。思维进化算法(mind evv-
定稿日期：2019-07-22震天
基金项目：国家自然科学基全项G(51777058)luhonara alyorithm，MEA(是一种新型的进化算法，具有强大的全局，可以用来优化BP神经网络。此外，传统风电功率预测方法均采用固定模型，同的型的功率预测。
以上问题，提出了一种基于聚类分析和MEA-BP的风电功率预测模型。首先分析风电输的因素，再根据风速和，使用聚类算法将输入样本分为几类，为每一类分别建立预测模型；根据输入样本所属类别，输入到对应模型中进行训练，有效减少了预测模型的训练时间；接，利用思算法对BP 神经网络的初始和优；最后，采用某风电场的实测数据预测。仿真结果表明，基于聚析和思化算法的预测模型有地提了电的预测度"
1K-meant t法
K-means算法是聚类分析中应用较为广泛的一种无监督学习算法，具有算法简单、可理大数据集的优点［7］。该算法的基本思想是：在给定聚类组数k值的条，通过多次迭代将n 个样本数据分成k组。
给定一个数据集#时，K-means算法的步骤如图1所示。羞愧感
24Electrical Automation紫薯丸子的做法
