摘要：提出了一种结合多重聚类算法和分层聚类算法的超短期风电功率预测方法。为了处理训练样本动态,识别与待预测时段特征相似的样本,对历史功率序列和历史气象序列分别进行聚类处理。功率序列的聚类指标由欧氏距离和协方差组成,气象序列的聚类采用逐层划分的方法,并将聚类结果组合成多个样本子集。利用分类建模-特征匹配的思路建立多个粒子群优化-反向传播(PSO-BP)神经网络预测模型,并调用与待预测时段特征最相似的预测模型。将所提预测方法用于青海某风电场的实际算例,实验结果表明,该方法可以提高超短期风电预测的准确性。

关键词：超短期风电预测 多重聚类 协方差 神经网络模型 分类建模 

单位：东南大学电气工程学院; 江苏省南京市210096; 新能源与储能运行控制国家重点实验室; 江苏省南京市210003; 中国电力科学研究院有限公司(南京); 江苏省南京市210003