10.19557/j.cnki.1001-9944.2019.08.018
大数据下基于IPSO优化模糊PSR-KELM模型预测风功率
该文利用改进粒子群算法分别优化模糊C均值聚类算法以及基于相空间重构技术和核极限学习机组合模型(PSR-KELM模型)的四参数预测风速.首先,利用优化之后的模糊C均值聚类算法计算风电场实际采集风速数据的模糊隶属度并进行分类,形成代表性强的预测风速模糊样本数据;其次,对PSR-KELM模型的四参数(τ,m,γ,σ)进行优化;最后,基于风速模糊样本数据以及优化四参数的PSR-KELM模型预测风速.以晋北风场作为实例,通过分析其现场实际运行数据,与四参数优化的PSR-KELM模型、模糊四参数优化的PSR-KELM模型相比,改进移动平均平滑算法可以有效滤除异质值,拟合出更接近风电场实际运行状况的风速-功率曲线.
大数据、改进粒子群算法、模糊C均值聚类算法、相空间重构技术、核极限学习机、风功率预测
34
TP273(自动化技术及设备)
2019-09-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
77-81,108