安徽大学学报(自然科学版)

2021, v.45;No.198(05) 72-76

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于关联规则及BP神经网络的风电场输出功率预测
The wind farm output power prediction based on association rules and BP neural network

雷蕾潇;张新燕;孙珂;

摘要(Abstract):

针对风电场输出功率预测受气象因素不确定性和异常历史数据的影响而出现的预测结果精度不高的问题,提出基于关联规则及BP(back propagation)神经网络的风电场输出功率预测方法.对异常和缺失数据进行处理,采用改进K-means聚类算法对温度/风速气象数据进行聚类分析,使用Apriori算法挖掘风电场输出功率与气象因素间的关联规则,将关联规则应用于BP神经网络.将4种方法的预测误差进行对比,结果表明:相对其他3种方法,该文方法的最大相对误差、最小相对误差、平均相对误差均最小;其最大相对误差不超过5.78%,最小相对误差仅为0.01%.因此,该文方法能提高风电场输出功率预测的准确度,具有有效性.

关键词(KeyWords): 数据挖掘;聚类分析;关联规则;输出功率预测

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(51667018)

作者(Author): 雷蕾潇;张新燕;孙珂;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享