学科分类
/ 1
2 个结果
  • 简介:超短期风速预测对风电场功率预报系统的建立和运行至关重要。针对具有较大随机波动性的风速预测,研究了一种基于误差修正的极端学习机(ELM)超短期风速预测方法。利用ELM模型对风速进行初步预测,并利用由此得到的误差数据样本建立差分自回归滑动平均模型(ARIMA),进行误差预测,最后使用预测误差对风速的初步预测值进行补正,从而求得最终预测值。仿真实验结果表明,该方法在风速超短期预测中的可行性及有效性。

  • 标签: 风速预测 预测误差补正 极端学习机 差分自回归滑动平均模型
  • 简介:对K-means算法加以改进,使用减法聚类确定聚类中心数量;以相距最远的两个样本作为聚类中心的边界,改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中,使其能够反映样本之间的关系和分布特征;初始中心确定后,使用点对称距离方法调整聚类中心。利用改进的K-means算法将历史日聚类分成4种天气类型,取相似日作为训练样本,对4种天气类型分别建立基于改进K-means算法的RBF神经网络功率预测模型。采用上海某光伏电站实测数据验证,结果表明提出的的预测方法精度提高,实用性较强。

  • 标签: 功率预测 径向基神经网络 K-MEANS算法 减法聚类 点对称距离