基于连续时间段聚类与支持向量机建模的风电功率预测方法

摘要

本发明公开了一种基于连续时间段聚类与支持向量机建模的风电功率预测方法，包括以下步骤：①根据风特性进行全年相似日无监督聚类；②利用步骤①中的相似日聚类结果，再把全年分为n个连续时间段，依据每个时间段内各类日子所占有的频次以及该连接时间段的风特性，对每个时间段进行聚类并划分类别；③对步骤②中的类别相同的时间段用SVM建模，用于往后各年相同时间的预测。由于在日相似性的基础上加入了全年连续时间段聚类的方法，故既考虑了日相似性，又兼顾了时间连续性，大大提高了预测模型中训练样本的相似度和风电功率预测的准确性，与传统的方法相比，功率预测相对误差降低了7.2%，使风电功率的预测精度达到83.96%。

主权项

一种基于连续时间段聚类与支持向量机建模的风电功率预测方法，其特征在于：包括以下步骤：①根据风特性进行全年相似日无监督聚类；②利用步骤①中的相似日聚类结果，再把全年分为n个连续时间段，依据每个时间段内各类日子所占有的频次以及该连接时间段的风特性，对每个时间段进行聚类并划分类别；③对步骤②中的类别相同的时间段用SVM建模，用于往后各年相同时间的预测。