基于模糊C均值聚類和案例推理的風電功率預測研究.pdf

1、隨著人類對生態(tài)環(huán)境的逐漸重視以及在國家新能源戰(zhàn)略的重大部署下，風能作為一種清潔能源得到了大規(guī)模的發(fā)展，不僅全球的風電裝機容量逐
　　年上升，同時也使得風力發(fā)電技術越來越成熟。但是風的間歇性、波動性使得風能具有不可控性，始終是風電技術的一大難題。因此，解決能源問題以及風電場長期穩(wěn)定運行的關鍵所在是迫切需要提高風電功率的預測精度。
　　本文以風電功率預測為研究對象，對測風塔數(shù)據(jù)進行分析，以便發(fā)掘和更好的利用測風數(shù)據(jù)自身的信息。神

2、經網絡模型的建立對訓練數(shù)據(jù)具有較高的依賴性，訓練數(shù)據(jù)的選擇既要包含足夠廣的選擇范圍，這樣模型具有更強的泛化能力；同時又要保證模型具有更高的預測精度。針對特殊天氣下普通預測模型難以滿足要求的問題，本文采用案例推理技術對風電功率預測模型進行改進。
　　本文主要研究內容有：
　　(1)對國內外風力發(fā)電的現(xiàn)狀、發(fā)展趨勢以及目前主要存在的問題進行了總結，引出了風電功率預測的意義及必要性，同時對風電功率預測模型的研究現(xiàn)狀進行總結分析。<

3、br>　　(2)針對測風數(shù)據(jù)不能很好地滿足預測樣本要求的問題，根據(jù)國標GB/T18709-2002及相關參考文獻補充對數(shù)據(jù)進行了檢驗、填補和修正。采用山西省某風電場的實測數(shù)據(jù)分析了測風數(shù)據(jù)自身的變化規(guī)律，重點分析了模型的預測誤差與風電功率影響因素之間的關系。對預測模型評價指標進行了必要的選取說明。
　　(3)本文提出了基于模糊聚類分析的風電功率預測方法。首先采用減法聚類來確定模糊 C均值的聚類數(shù)和聚類中心，采用風電場實際運行的數(shù)據(jù)

4、聚類分析，然后進行神經網絡模型的訓練，既充分考慮了樣本空間的特征，又使得模型具有針對性，因此保證網絡模型的泛化能力的同時又提高了預測的精度。
　　(4)為了提高特殊天氣下風電功率的預測精度，本文通過對普通模型的預測效果和風電場實際測風數(shù)據(jù)進行分析，建立了基于案例推理的特殊天氣下風電功率預測模型，采用基于模糊聚類和粒子群優(yōu)化的K近鄰算法進行案例檢索，提高了檢索的速度和精度。采用山西省某風電場的實際數(shù)據(jù)進行了大量的仿真實驗，將仿真結果