考虑风速属性约简聚类的组合预测模型

摘要：

精确的风速预测对于规模化风电并网及系统运行具有重大意义.提出了一种基于快速相关性约简优化K-mediods聚类的双层长短时记忆网络短期风速预测模型.首先,计算各风速序列及其属性序约简优化K-mediods聚类的双层长短时记忆网络短期风速预测模型.即计算各风速序列及其属性序列的相关程度信息熵,运用快速相关性滤波算法进行属性约简,以降低属性维度及删除冗余属性.然后,采用改进K-mediods对约简后的风速数据进行聚类,得到风速关联属性优化序列,保证类内信息准确全面,并利用双层长短时记忆网络挖掘深层特征及短期预测.最后,通过对实际风场风速进行预测,并与实测数据对比,验证了预测模型的准确性及有效性.结果表明,所提方法在风速属性数据的优选方面具有较大优势,通过保留关联紧密的属性信息提高了预测的精度.

关键词：风速预测、快速相关性滤波、K-mediods聚类、双层组合

所属期刊栏目：46

分类号：TM614(发电、发电厂)

资助基金：国家重点研发计划2016YFB0900100

在线出版日期：2022-04-18（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：1355-1362