大数据下基于IPSO优化模糊PSR-KELM模型预测风功率

摘要

本文考虑大数据下风电场实际运行数据存在异质值,利用IPSO优化模糊C均值和PSR-KELM的组合模型预测风速.首先,利用IPSO优化之后的模糊C均值计算模糊隶属度并对风电场的实际运行数据进行分类,完成模糊样本的形成;其次,利用IPSO对PSR-KELM模型的四参数(τ,m,γ,σ)进行优化;最后,基于IPSO优化模糊PSR-KELM模型预测风速.将预测的风速映射到基于改进移动平均平滑算法滤除异质值后得到的风速-功率曲线上,实现功率预测.以晋北风场作为实例,通过分析其现场实际运行数据可知,与四参数优化的PSR-KELM模型、模糊四参数优化的PSR-KELM模型相比,基于IPSO优化模糊PSR-KELM模型克服传统模糊C均值聚类算法因不易选取聚类中心而难以准确聚类的缺陷,避免大数据下异质值对风速预测模型的影响,将模糊训练样本输入PSR-KELM四参数优化模型,实现更加准确的风速预测.且提出改进移动平均平滑算法可以有效滤除异质值,拟合出更接近风电场实际运行状况的风速-功率曲线.