基于改进空间密度聚类的超短期风电功率预测

风能的波动性容易导致训练样本多样性和历史数据的缺失,会对风电功率的预测产生较大影响。针对这一问题,提出了一种基于天气特征选择和空间密度聚类的风机集群超短期风电功率预测方法。首先,采用基于完整的核fisher判别的特征选择方法,将NWP信息进行主成分分析,并提取各风机关键的风速特征。之后,基于以上特征采用一种基于空间密度的改进聚类方法对风电场中的各风机进行集群划分。最后,采用GRU-D方法分别对各风电机集群进行功率预测后求和,得到预测功率。采用西班牙某地区的陆上风电产出历史数据进行实验,结果表明,本文方法相比基于传统DBSCAN和K-means聚类方法的均方根误差预测精度分别提升了0.25%和2.02%,相比无法处理缺失值的GRU,模型的均方根误差预测精度提升了0.82%。