公开(公告)号：CN107944622B

公开(公告)日：2021-10-26

申请号：CN201711167328.2

申请日：2017-11-21

Applicant: 华北电力大学

Inventor： 彭文 ,  张智源

IPC: G06Q10/04 ,  G06K9/62 ,  G06N3/02 ,  G06Q50/06

Abstract: 本发明涉及机器学习和风力发电领域，特别涉及基于连续时段聚类的风电功率预测方法。包括，在基于相似日预测方法的基础上，分别采用Elman神经网络和支持向量机作为预测模型，进行迭代预测，确定相似时段长度：结合功率向量和气象信息，根据相似时段长度，通过两阶段搜索策略，确定相似度衡量标准，在历史数据中寻找最佳相似时段集合；基于Elman神经网络，创建风电功率预测模型，将所得到的最佳相似时段集合作为训练数据，通过风电功率预测模型进行迭代计算，完成未来时段的风电功率预测。本发明在相似日预测方法的基础上引入气象因素，采用基于聚类‑分类的相似时段选取策略，可以快速地寻找最佳相似时段集合，提高预测精度和准确率。

公开(公告)号：CN107944622A

公开(公告)日：2018-04-20

申请号：CN201711167328.2

申请日：2017-11-21

Applicant: 华北电力大学

Inventor： 彭文 ,  张智源

IPC: G06Q10/04 ,  G06K9/62 ,  G06N3/02 ,  G06Q50/06

CPC classification number: G06Q10/04 ,  G06K9/6223 ,  G06N3/02 ,  G06Q50/06

Abstract: 本发明涉及机器学习和风力发电领域，特别涉及基于连续时段聚类的风电功率预测方法。包括，在基于相似日预测方法的基础上，分别采用Elman神经网络和支持向量机作为预测模型，进行迭代预测，确定相似时段长度：结合功率向量和气象信息，根据相似时段长度，通过两阶段搜索策略，确定相似度衡量标准，在历史数据中寻找最佳相似时段集合；基于Elman神经网络，创建风电功率预测模型，将所得到的最佳相似时段集合作为训练数据，通过风电功率预测模型进行迭代计算，完成未来时段的风电功率预测。本发明在相似日预测方法的基础上引入气象因素，采用基于聚类-分类的相似时段选取策略，可以快速地寻找最佳相似时段集合，提高预测精度和准确率。