基于K-means算法的RBF神经网络预测光伏电站短期出力.pdfVIP

第20卷第1期 上海电机学院学报 v01．20No．1 2017年 OFSHANGHAIUNIVERSITY 2017 JOURNAL DIANJI 文章编号2095一0020(2017)01-0027—07 邵茎侠1， 郭卫民2， 杨 宁1， 王 亮 (1．上海电力学院自动化工程学院，上海200090； 2．国网河南省电力公司电力科学研究院，郑州450052) 摘要对K-means算法加以改进，使用减法聚类确定聚类中心数量；以相距最远的两个样本 作为聚类中心的边界，改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中， 使其能够反映样本之间的关系和分布特征；初始中心确定后，使用点对称距离方法调整聚类中心。利 用改进的K—means算法将历史日聚类分成4种天气类型，取相似日作为训练样本，对4种天气类型 分别建立基于改进K-means算法的RBF神经网络功率预测模型。采用上海某光伏电站实测数据验 证，结果表明提出的的预测方法精度提高，实肌}生较强。 关键词功率预测；径向基神经网络；K—means算法；减法聚类；点对称距离 615 中图分类号TM 文献标识码A Short—term forPVPowerGenerationRBFNeural Forecasting Using NetworkBasedon K—means Improved Algorithm SHAOKunxia1，GUOWeimin2，YANG Nin91，WANGLian91 ofAutomation ofElectric 200090， (1．College Engineering，ShanghaiUniversity Power，Shanghai ofStateGridHenanElectricPower PowerResearchInstitute China；2．Electric Company， 450052，China) Zhengzhou AbstractThis an K-means numberof cen- paperproposesimproved algorithm．Theclustering is subtractive farthesttWO aretakenasthe of tersdetermined by clustering．Thesamples boundary todistributetheKinitialcentersin clustercenters．The aims each ofthe improvedalgorithm region torefle