一种基于聚类和深度学习的风电机组功率集群预测方法

    公开(公告)号:CN111753893A

    公开(公告)日:2020-10-09

    申请号:CN202010534083.8

    申请日:2020-06-12

    Abstract: 本发明涉及一种基于聚类和深度学习的风电机组功率集群预测方法。获取风电场中每个机组的实际运行数据,并进行归一化处理将归一化后的数据作为K-means聚类的输入变量,比较选择最佳聚类数作为风电机组的集群个数;对于每组集群,选择其中一台机组作为该集群的代表机组,使用代表机组的变量数据建立所属集群的风电功率预测模型;采用深度学习框架搭建深度长短时记忆网络;根据预测模型的输入输出分别构造出相应的模型输入与对应的输出样本,并将构造的样本划分为训练样本与测试样本,用测试样本来对所训练好的预测模型进行性能测试,得到训练模型的性能评价指标;最后通过得到的最佳的训练模型即可预测出未来多个时间点的风电功率数据。

Patent Agency Ranking