一种风电场风速预测方法

摘要

一种风电场风速预测方法，所述方法首先采用模糊粗糙集方法对影响风电场风速的多种因素进行属性约简，去除冗余信息，得到神经网络预测模型的输入变量；然后采用加权欧氏距离进行改进的聚类方法提取相似性较高的数据作为神经网络预测模型的训练样本，并使用聚类后的数据训练各类预测模型；最后根据当前属性值选择匹配的预测模型来预测风速。本发明在传统神经网络预测模型的基础上，对模型输入变量与训练样本这两大影响神经网络预测性能的重要因素进行了优化，大大提高了模型的泛化能力。测试结果表明，本发明能大幅度提升神经网络的预测性能，有效地提高风电场风速预测精度。

主权项

一种风电场风速预测方法，其特征是，所述方法首先采用模糊粗糙集方法对影响风电场风速的多种因素进行属性约简，去除冗余信息，得到神经网络预测模型的输入变量；然后采用加权欧氏距离进行改进的聚类方法提取相似性较高的数据作为神经网络预测模型的训练样本，并使用聚类后的数据训练各类预测模型；最后根据当前属性值选择匹配的预测模型来预测风速。