-
题名考虑风速属性约简聚类的组合预测模型
被引量：11
- 1
-
-
作者
潘超
李润宇
蔡国伟
杨雨晴
张永会
-
机构
现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学)
松花江水力发电有限公司吉林白山发电厂
-
出处
《电网技术》
EI
CSCD
北大核心
2022年第4期1355-1362,共8页
-
基金
国家重点研发计划项目(2016YFB0900100)。
-
文摘
精确的风速预测对于规模化风电并网及系统运行具有重大意义。提出了一种基于快速相关性约简优化K-mediods聚类的双层长短时记忆网络短期风速预测模型。首先,计算各风速序列及其属性序约简优化K-mediods聚类的双层长短时记忆网络短期风速预测模型。即计算各风速序列及其属性序列的相关程度信息熵,运用快速相关性滤波算法进行属性约简,以降低属性维度及删除冗余属性。然后,采用改进K-mediods对约简后的风速数据进行聚类,得到风速关联属性优化序列,保证类内信息准确全面,并利用双层长短时记忆网络挖掘深层特征及短期预测。最后,通过对实际风场风速进行预测,并与实测数据对比,验证了预测模型的准确性及有效性。结果表明,所提方法在风速属性数据的优选方面具有较大优势,通过保留关联紧密的属性信息提高了预测的精度。
-
关键词
风速预测
快速相关性滤波
K-mediods聚类
双层组合
-
Keywords
wind speed prediction
fast correlation filtering
K-mediods clustering
double-layer combination
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名基于优化近邻传播聚类的CMN风速预测
被引量：2
- 2
-
-
作者
韩绍禹
徐鹏程
蒋迪遥
潘超
李润宇
-
机构
国网吉林省电力有限公司四平供电公司
现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学)
-
出处
《电网与清洁能源》
北大核心
2022年第8期110-120,共11页
-
基金
国家重点研发计划重点专项资助项目(2016YFB0900104)。
-
文摘
提出一种基于快速相关性约简和近邻传播聚类的卷积记忆网络短期风速预测模型。计算各风速序列及其属性序列的相关程度信息熵,运用快速相关性滤波算法进行属性约简,以降低属性维度及删除冗余属性;针对风速属性矩阵样本,采用压缩-激励模块(squeeze-and-excitation networks,SENet)构建属性表征序列,以该序列间距为样本相似度,利用近邻传播聚类实现样本集优选重构;构建卷积记忆网络,利用其挖掘深层特征及短期预测。通过对实际风场风速进行预测,对比实测数据,结果表明,该方法在风速属性数据的优选方面具有较大优势,通过保留关联紧密的属性信息,提高了预测精度。
-
关键词
风速
短期预测
快速相关性滤波
近邻传播聚类
卷积记忆网络
-
Keywords
wind speed
short-term forecast
fast correlation filtering
affinity propagation clustering
convolutional memory network
-
分类号
TM721
[电气工程—电力系统及自动化]
-
