论文部分内容阅读
风能的波动性对风电产业的迅速发展带来了巨大挑战，准确可靠的短期风电功率预测对满足电网调度以及降低度电成本具有重要意义。提出了一种基于K-means++聚类分析和极限学习机（ELM）的短期风电功率预测方法，同时使用数值天气预报（NWP）数据与SCADA系统的历史监测数据，实现了对未来72 h的短期风电功率预测。文中通过K-means++聚类算法将NWP数据划分为数量不等的簇，使用ELM对每个簇的数据分别建立NWP数据与SCADA功率数据间的映射模型。完成模型训练后，根据数据与各聚类中心点之间的距离选择最佳预测模型。实验结果表明，与常用的经典模型相比，其预测结果精度更高，具有更高的预测性能。