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&