[发明专利]基于改进K-means聚类与支持向量机的风功率预测方法

摘要

本发明公开了一种基于改进K‑means聚类与支持向量机的风功率预测方法，步骤一：构造风速幅值的数据样本，步骤二：归一化处理；步骤三：运用改进K‑means聚类方法，得到根据风速自适应变化的类别总数C；步骤四：按设定的时间尺度统计，得到L个连续时间段样本；步骤五：对连续时间段样本进行归一化处理后，聚类得到M类数据集；步骤六：采用支持向量机建立短期风功率预测模型；步骤七：引入实时数据得到超短期风功率预测值，引入实时风功率，得到超短期风功率预测模型；步骤八：输入预测日及其前若干日的风电出力数据和数值天气预报数据，得到风功率结果。本发明提供的基于改进K‑means聚类与支持向量机的风功率预测方法，聚类效果好，有很强的泛化能力和鲁棒性。

主权项

1.一种基于改进K‑means聚类与支持向量机的风功率预测方法，其特征在于，包括以下步骤：步骤一：采集一天内各个时段的风速幅值，并构造风速幅值的数据样本；步骤二：对数据样本进行归一化处理；步骤三：运用改进K‑means聚类方法，将一年时间段内的数据样本进行聚类，得到类别总数C,所述类别总数C根据风速自适应变化；步骤四：根据设定的时间尺度，将步骤三中聚类后的数据样本按L个连续时间段进行统计，得到L个连续时间段样本；步骤五：按照步骤二中的方法对连续时间段样本进行归一化处理后，按照步骤三中的方法对连续时间段样本进行聚类，得到M类数据集；步骤六：采用支持向量机针对每一类数据集训练对应的模型，建立短期风功率预测模型；步骤七：引入实时风电出力数据和数值天气预报数据到短期风功率预测模型中，得到超短期风功率预测值，引入实时风功率，并对超短期风功率预测值和实时风功率采用权重的方法进行修正，得到超短期风功率预测模型；步骤八：向短期风功率预测模型和超短期风功率预测模型输入预测日及预测日前若干天的风电出力数据和数值天气预报数据，得到短期风功率预测和超短期风功率预测的风功率结果。