基于高斯混合模型聚类的风电场短期功率预测方法 一种基于GMM聚类的风电场短期功率预测方法，并使用RBF神经网络进行功率预测

基于高斯混合模型聚类的风电场短期功率预测方法
说明：该方法结合数据分布特征，利用 GMM 聚类将大型风电场划分为若干机组群，借助贝叶斯信息准则指标评价，获得风电场内最优机组分组方案。
最后，基于径向基函数（radial basis function，RBF）神经网络的功率预测方法，验证所提聚类方法的有效性以及相较于其他聚类方法的优越性。
编程语言：MATLAB

基于高斯混合模型聚类的风电场短期功率预测方法

随着节能减排的要求不断提高，风电作为可再生资源和清洁能源的代表，越来越受到人们的关注。但是，由于风电的输出受到气象和外部环境等影响，风电场的功率输出存在一定的不确定性，提高功率预测的精度对于优化风电场的管理和运行至关重要。

在风电场功率预测中，聚类算法是一种非常有效的分析方法。本文提出了一种基于高斯混合模型（GMM）聚类的风电场短期功率预测方法。该方法将大型风电场划分为若干机组群，利用数据分布特征进行划分，并借助贝叶斯信息准则指标评价，获得风电场内最优的机组分组方案。同时，在分组后，基于径向基函数（RBF）神经网络的功率预测方法也被提出，验证所提出的聚类方法的有效性以及相较于其他聚类方法的优越性。

首先&