基于谱聚类和优化极端学习机的超短期风速预测

摘要：

较高精度的超短期风速预测是并网运行风电场风电功率预测预报系统建立和运行的必要前提及保证.由于风速影响因素众多,具有较大的波动性和随机性,并具有高度的自相关性,给传统的风速预测方法带来了极大的挑战.提出一种基于谱聚类和极端学习机的超短期风速预测方法.该方法首先利用小波变换和主成分分析对风速数据进行去噪和降维处理,剔除数据的不规则波动,有效降低数据维度;然后分别应用谱聚类对小波变换后的各分解序列进行聚类分析,减少训练样本空间,提高样本有效性,降低计算复杂度;再应用极端学习机对各分解序列分别进行训练,同时通过遗传算法对极端学习机输入权值、偏置等参数进行优化,确保各分解序列输出最佳预测模型;最后将各分解序列预测结果相加得到最终预测结果.以某风电场实际数据进行的建模结果表明该模型有效实现了对风速的超短期、多步预测,采用的方法合理有效.

关键词：超短期风速预测、谱聚类、极端学习机

所属期刊栏目：39

分类号：TM835(高电压技术)

资助基金：国家自然科学基金项目70901025;中央高校基本科研业务费专项资金资助13MS32;北京市哲学社会科学规划项目13JDJGC055.Project Supported by National Natural Science Foundation of ChinaNSFC70901025;Project Supported by the Fundamental Research Funds for the Central Universities13MS32

在线出版日期：2015-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1307-1314