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
ID:68400675539574426
基于高斯混合模型聚类的风电场短期功率预测方法
随着环保意识的逐渐提高,风电场的建设和运营越来越重要。针对风电场的功率预测问题,本文提出了一种基于高斯混合模型聚类的短期功率预测方法,该方法有效地结合了数据分布特征,并且使用贝叶斯信息准则(BIC)评价聚类质量,获得了风电场最优的机组分组方案。最后,结合径向基函数(RBF)神经网络,本文验证了所提出聚类方法的有效性和相较于其他聚类方法的优越性。
一、研究背景