[发明专利]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

权利要求书

1.一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。

2.根据权利要求1所述的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：所述步骤①包括以下具体的步骤：

  1）根据风速在一天当中的变化趋势、幅值、波动性，构造分类样本，样本构造形式如下：

                                                      

   式中，a_s1…a_sH为一天当中各个时间点的风速值；a_smax为日最大风速；a_smin为日最小风速；a_smean为日平均风速；a_sstd为日风速标准差；

   2）确定样本构成后，需要分别对各物理量进行归一化处理，以消除不同物理量之间由于量纲差异对聚类结果造成的影响，归一化采用最大最小归一化：

  (i=1,2…I,j=1,2…J)   

式中，b_ji为第j个物理量中的第i个采样值；b_jmin为第j个物理量的最小值；b_jmax为第j个物理量的最大值；

    3）采用类别总数C可变的K-means聚类算法对样本进行聚类。

3.根据权利要求2所述的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：所述步骤3）中，聚类过程如下：

    ⑴ 计算所有样本的初始化聚类中心，所用公式如下： 式中，c=1为初始条件，当c=C，（C≥2且k∈N+）时，能明显区分不同类型的风速，则c=C为聚类类别，聚类样本集：X={x_k|x_k∈R^p，k=1，2，…，K，P∈N+}，目前已得到C’ 个类别，C’个聚类中心Z={z_c|z_c∈R^p，c=1，2，…，C’，P∈N+}；用w_c(c=1，2，…，C’)表示聚类得到的C’个类别；                   

 ⑵ 当c=C’时选取一个样本容量最大的已知聚类中心z_w，分裂为两个中心z_w-e和z_w+e，

从而使类别数目增加为c=C’+1；

    ⑶ 计算各个点到聚类中心的距离，把距离最近的点归到该类，所用的公式如下： 

          ，                   

     式中，K_c表示w_c类包含的样本个数，d_ck(x_k,z_c)表示第c类的第k点x_k到该类的聚类中心z_c的距离，目标函数Q为各样本数据点到相应聚类中心的平方和，聚类的目的是使Q取得最小值；

 ⑷ 根据分类结果，利用步骤⑴中的公式重新调整各个聚类中心的位置；

 ⑸重复步骤 ⑶ 至⑷，直至各个聚类中心不再移动；

    ⑹重复步骤 ⑵ 至 ⑸，直至能清晰分类不同类型的风速。