风力发电具有日相似性的特点。此外，有风力变化趋势的日子也反映了类似的气象现象。因此，选择数值天气预报信息与预测日相似的历史日作为训练样本，可以提高风电预测精度，降低模型仿真过程中的计算复杂度。本文提出了一种基于新型风力发电膨胀与侵蚀聚类算法的预测模型。在该模型中，基于数学形态学的基本运算，通过所提出的DE聚类算法，选取数值天气预报(NWP)信息与预测日相似的天数。所提出的去聚类算法可以在没有监督的情况下自动聚类。案例研究使用数据从宜兰风电场在中国东北表明性能的新广义回归神经网络(GRNN)预测模型的基础上,提出德聚类算法(DE clustering-GRNN)优于DPK-medoids clustering-GRNN,k - means clustering-GRNN,AM-GRNN方面日前风电预测。此外，所提出的聚类- grnn模型是自适应的。
——文章发布于2019年6月
