[发明专利]一种基于分段聚类及组合优化的风电功率预测方法

权利要求书

1.一种基于分段聚类及组合优化的风电功率预测方法，其特征在于，该方法包括以下步骤：

(1)对采集的风电数据进行聚类分段；

(2)使用风电功率数据样本进行ARMA模型训练；

(3)使用风电功率、风速、温度数据样本进行PSO-SVM模型训练；

(4)使用ARMA预测模型和PSO-SVM预测模型建立组合预测模型；

(5)基于分段聚类划分结果和组合预测模型进行风电功率预测。

2.根据权利要求1所述的一种基于分段聚类及组合优化的风电功率预测方法，其特征在于，步骤(1)中，所述采集的风电数据如下：

(1-1)风电场至少一年的风电功率输出记录数据，至少每L分钟记录一次；

(1-2)风电场至少一年的风速测量数据，至少每L分钟记录一次；

(1-3)风电场至少一年的温度测量数据，至少每L分钟记录一次。

3.根据权利要求1或2所述的一种基于分段聚类及组合优化的风电功率预测方法，其特征在于，步骤(1)中，所述聚类分段方法如下：

(1-4)对步骤(1)中采集一年的风电功率数据、风速数据、温度数据以周为单位计算平均值，得到一个长度为52的数据集{x_i＝(wp_i,ws_i,wt_i)},i＝1,2,...,52，其中，wp_i为第i周的风电功率平均值，ws_i为第i周的风速平均均值，wt_i为第i周的温度平均值；

(1-5)使用K均值聚类算法对(1-4)中的数据集{x_i}进行聚类分析，选择合适的聚类个数K，使得聚类结果连续周次的数据点归于一类；

(1-6)根据(1-5)的聚类结果中不同类别的分界点，将数据集{x_i}分段，设k₁、k₂、k₃为步骤(1-5)中得到的聚类分界点，则对数据集{x_i＝(wp_i,ws_i,wt_i)}聚类结果为{x_i,i＝1,2,...,k₁}为一类，{x_i,i＝k₁+1,...,k₂}为一类，{x_i,i＝k₂+1,...,k₃}，{x_i,i＝k₃+1,...,52}为一类，则将数据集{x_i}分为4段：第1～k₁周、第k₁+1～k₂周、第k₂+1～k₃周、第k₃+1～52周。