重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2022, Vol. 36 ›› Issue (1): 277-284.

• “低碳减排与能源经济”专栏 • 上一篇    

相似样本优化选取的短期风电功率预测

张颖超１ａ，１ｂ，沈子豪１ａ，马伟叁２，熊 雄１ａ，陈 昕１ａ   

  1. １．南京信息工程大学 ａ．自动化学院；ｂ．江苏省大气环境与装备技术协同创新中心；２．中国铁路上海局集团有限公司
  • 发布日期:2022-02-13
  • 作者简介:张颖超，男，教授，博士，主要从事复杂系统建模与评估、灾害评估与损失预测、气象服务效益研究、风电功率 预测、气象数据质量控制等研究

  • Published:2022-02-13

PDF (PC)

134

赞

摘要： 为减少训练样本中的冗余数据和特征信息，提高风电功率预测的精度，提出了一种基于核主成分分析（KPCA）、动态时间规整法（DTW）及核极限学习机（KELM）相结合的预测方法（KPCA＿DTW＿KELM）。首先对影响风机出力的各个因素进行核主成分分析，筛选出贡献率较高的特征因素。为优化样本数据，引入动态时间规整法，找出与预测日相似的样本数据，采用核极限学习机（KELM）进行风电功率预测。根据提出的预测方法，对上海某风电场数据进行对比实验。实验证明，KPCA＿DTW＿KELM预测模型提高了短期风电功率预测的精度，具有一定普适性。

关键词: 核主成分分析, 动态时间规整法, 核极限学习机, 短期风电功率预测

中图分类号: 

  • P425.4+2