论文摘要
针对风电场风速随机性强、波动性明显以及预测难度高等问题,提出一种新型模块化风速预测的方法。该方法主要包含3个模块:风速属性加权模块、智能优化聚类模块及极限学习机风速预测模块。首先考虑不同气象属性对风速的影响和风速的时间波动特性,计算风速属性矩阵元素的皮尔逊系数值并进行加权;然后采用遗传-模拟退火算法优化模糊c均值聚类方法,对加权风速属性矩阵矢量进行聚类;再通过极限学习机构建各类别的风速预测模型,进行短期风速预测。最后结合美国一风电场（N39.91°,W105.29°）的实测数据对风速进行预测,通过对比仿真结果与实测数据验证该文方法的正确性和有效性,结果表明该方法具有较高的预测精度。
论文目录
文章来源
类型: 期刊论文
作者: 潘超,秦本双,蔡国伟,袁翀
关键词: 风速预测,属性加权,模糊聚类,极限学习机
来源: 太阳能学报 2019年08期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 东北电力大学电气工程学院,国网浙江淳安供电公司
基金: 国家高技术研究发展(863)计划(SS2014AA052502),国家自然科学基金(51507027)
分类号: TM614
页码: 2196-2204
总页数: 9
文件大小: 1715K
下载量: 203