买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥综合性国家科学中心能源研究院(安徽省能源实验室);合肥工业大学

摘要：本发明公开了一种基于加权模糊聚类的风电功率预测方法，其步骤包括：1基于灰色关联度理论选取强相关的气象特征；2利用特征加权的模糊C均值聚类算法对关键气象特征集合划分数据样本子集，采用反向传播神经网络分类建模；3调用与当前时段特征最相似的模型进行功率预测，为完善边界数据的所属关系，利用隶属度函数综合多个预测模型确认其风电出力。本发明从分类建模和特征匹配两个角度来强化气象特征与样本子集的匹配程度，从随机波动的风电信号中挖掘潜在联系，提高风电模型的预测精度。

主权项：1.一种基于加权模糊聚类的风电功率预测方法，其特征是按如下步骤进行：步骤一、选取l个历史样本组成的样本集，每个样本中有n种气象特征，并对所述样本集进行归一化处理，得到维度为n×l的气象特征矩阵其中，xij表示第j个历史样本归一化后的第i种气象特征，i＝1,2,…,n，j＝1,2,…,l；步骤二、采集与气象特征对应的l个历史样本的功率数据并进行归一化处理，得到功率序列P＝[p1,p2,…,pj,…,pl]，pj表示第j个历史样本归一化后的功率；步骤三、利用式1计算第j个历史样本的第i个气象特征xij与第j个历史样本的功率pj间的灰色关联系数ξij，从而构造灰色关联矩阵 式1中，ρ为分辨系数；步骤四、按式2计算l个历史样本的第i种气象特征xi与功率序列P的关联度γi： 步骤五、按照关联度对气象特征进行降序排序，并从气象特征矩阵Xn×l中选出主导风电出力的m个关键气象特征，作为筛选的特征集合；步骤六、利用基于特征加权的模糊C均值聚类算法对筛选的特征集合划分数据样本子集，并采用反向传播神经网络对所述数据样本子集分类建模：步骤6.1、确定优化准则参数为α、聚类类别数目为c以及迭代计算的终止阈值为ε，定义并初始化当前迭代次数t＝0，其中，c≥2，α≥1；步骤6.2、初始化第t次迭代的第p个筛选的关键气象特征对应的权重第t次迭代的筛选的特征集合中第q个历史样本与第h个样本子集间的隶属度第t次迭代的第p行第h列的模糊聚类中心元素其中，h＝1,…,c，p＝1,…,m，q＝1,…,l，m表示筛选的关键气象特征数目，l表示历史样本数目；步骤6.3、利用式3计算第t次迭代的筛选的特征集合中第q个历史样本rq＝[r1q,…,rpq,…,rmq]与第h个模糊聚类中心向量的加权欧氏距离其中，rpq为筛选的特征集合中第q个历史样本的第p种关键气象特征，为第t次迭代的第h个模糊聚类中心向量的第p个元素值： 步骤6.4、利用式4、式5、式6分别更新第t次迭代的权重隶属度模糊聚类中心元素从而得到第t+1次迭代的权重隶属度模糊聚类中心元素 式4、式5、式6中，rkq为筛选的特征集合中第q个历史样本的第k种气象特征，为第t次迭代的第h个模糊聚类中心向量的第k个元素值，为第t次迭代的第k个模糊聚类中心向量的第p个元素值；步骤6.5、若满足则迭代结束，并将得到的第t+1次迭代的权重隶属度模糊聚类中心元素作为最终迭代输出的权重ωp，隶属度uhq，模糊聚类中心元素vph，并用于划分筛选的特征集合，从而得到类别数目为c的样本子集，否则，将t+1赋值给t后，转到步骤6.3顺序执行；步骤6.6、利用c个样本子集分别训练反向传播神经网络，并在每个样本子集中建立气象数据和波动功率之间的预测模型；步骤七、调用与当前待预测时段气象特征最相似的预测模型进行功率预测：步骤7.1、根据最终迭代输出的权重ωp，模糊聚类中心元素vph，利用式7计算当前待预测时段的归一化后的第v个气象特征样本与第h个样本子集的隶属度uhv，从而得到当前待预测时段的归一化后的气象特征样本与各样本子集间的隶属度矩阵令uv＝[u1v,…,ucv]T表示当前待预测时段的第v个气象特征样本的隶属度向量，且 式7中，r′pv为当前待预测时段的第v个样本中的第p种关键气象特征；h＝1,…,c，p＝1,…,m，v＝1,…,z，z表示当前待预测时段的气象特征样本个数；步骤7.2、设定判别阈值为σ，定义变量a,b∈{1,2,…,c}且a≠b；步骤7.3、对当前待预测时段的第v个气象特征样本的隶属度向量uv，若满足|uav-ubv|＜σ，则认定第v个气象特征样本为边界样本，并利用式8综合多个预测模型确认其风电出力；否则，执行步骤7.4；pv＝[p1v,…,pcv]·[u1v,…,ucv]T8式8中：pv为边界样本的最终风电出力，pcv为当前待预测时段的第v个气象特征样本在第c个模型下的预测结果；步骤7.4、匹配当前待预测时段的第v个气象特征样本的隶属度向量uv＝[u1v,…,ucv]T中最大元素对应的预测模型，预测第v个气象特征样本的风电功率；步骤7.5、将v+1赋值给v后，判断vz是否成立，若成立，则完成当前待预测时段的风电功率预测，否则返回步骤7.3顺序执行。

全文数据：

权利要求：

百度查询： 合肥综合性国家科学中心能源研究院(安徽省能源实验室) 合肥工业大学 一种基于加权模糊聚类的风电功率预测方法