一种基于混合聚类的短期风电功率预测方法及系统技术方案

本发明专利技术涉及风电功率预测领域，具体是一种基于混合聚类的短期风电功率预测方法及系统。步骤如下：(1)收集数据集：获取风电场功率数据集和对应的历史天气数据以及天气预报数据，用于后续模型的训练和验证；(2)基于混合聚类构造分类样本数据。第一阶段聚类，通过改进蚁群算法优化的模糊聚类算法对样本数据中具有相同空间距离数据聚类。第二阶段聚类，对一阶段聚类结果进一步进行余弦夹角函数聚类，筛选出具有相同曲线形状的样本数据归为一类，最终输出混合聚类的分类结果形成训练数据集；(3)用训练数据集训练TPA‑MBLSTM模型，利用天气预报数据对风电场功率进行预测。

【技术实现步骤摘要】

本专利技术涉及风电功率预测领域，具体是一种基于混合聚类的短期风电功率预测方法及系统。

技术介绍

1、风电大规模接入对电力系统的安全稳定运行提出巨大挑战，而风电预测为解决这一问题提供了方法。根据预测信息及时调整调度计划，有助于保证电能质量、降低系统旋转备用容量、增加风电并网容量，在增强系统安全稳定性的同时降低了系统运行成本。

2、目前，风电功率预测方法主要包括物理方法和统计方法。其中物理方法使用数学模型研究气象演变过程，根据边界条件使用反映气象演变的数学模型对气象数据进行预测。统计学方法使用数据间的统计关系对风电功率进行预测。常见的有回归分析法，人工神经网络法等方法。上述预测方法需要大量的历史出力数据或数值天气预报做支撑。实际工程中，受制于技术和成本等因素，很难具备成熟的预测条件。因此，可以考虑对数据进行挖掘，分析数据特征后建立更精确的分类预测模型。

3、为了提高风电功率预测精度，对历史日及预测日的气象特性进行比较，提取综合相似程度高的历史日作为训练样本，对不同类别分别建立预测模型。采用混合聚类算法实现相似数据的最优选择，并构建基于时本文档来自技高网...

【技术保护点】

1.一种基于混合聚类的短期风电功率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于混合聚类的短期风电功率预测方法，其特征在于：所述步骤S1的数据收集。由于SCADA系统在电网的投入使用，可实时采集到电网运行数据，其主要是为后面相似样本数据聚类以及预测做相对应的准备。

3.根据权利要求1所述的一种基于两阶段混合聚类和TPA-MBLSTM模型的风电功率预测方法，其特征在于：所述步骤S2的混合聚类构造分类样本数据。两阶段级联混合聚类，既要考虑与预测日气象水平接近又要保留风速形状相似。其混合聚类过程包括：一阶段聚类(欧式距离函数)首先通过IACO-F...

【技术特征摘要】

1.一种基于混合聚类的短期风电功率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于混合聚类的短期风电功率预测方法，其特征在于：所述步骤s1的数据收集。由于scada系统在电网的投入使用，可实时采集到电网运行数据，其主要是为后面相似样本数据聚类以及预测做相对应的准备。

3.根据权利要求1所述的一种基于两阶段混合聚类和tpa-mblstm模型的风电功率预测方法，其特征在于：所述步骤s2的混合聚类构造分类样本数据。两阶段级联混合聚类，既要考虑与预测日气象水平接近又要保留风速形状相似。其混合聚类过程包括：一阶段聚类(欧式距离函数)首先通过iaco-fcm聚类将样本数据中具有相同空间距离的归为一类，表达公式为

4.根据权利要求1所述的一种基于混合聚类的短期风电功率预测方法，其特征在于：所述步骤s2的混合聚类中iaco-fcm聚类，要解决一般蚁群算法在聚类过程中存在的缺陷，其解决方法是在每次迭代搜索后，将当前解和最优解进行交叉变异，这样扩大了解的搜索空间，提高了搜索速度，同...

【专利技术属性】
技术研发人员：蔡昌春，范靖浩，吴敏，王全凯，何瑶瑶，邓志祥，范新南，
申请(专利权)人：河海大学，
类型：发明
国别省市：