提高短期风电功率预测精度,提出了一种基于聚类分析和Elman神经网络的短期预测方法。首先利用灰色关联度选取相似日,在此基础上,利用K均值聚类方法将属性相似的风电数据归类处理,然后用此数据训练Elman神经网络。该方法提高了Elman神经网络模型的预测精度,该方法的有效性通过实例得以验证，xm与xi分别表示目标日与历史日某时刻气象数据特征向量。4Elman神经网络传统的Elman神经网络［10］主要由输入层、隐含层、连接层和输出层四层结构组成，为了形成局部反馈，与传统的BP神经网络相比，多出一个连接层。连接层采用线性函数作为传输函数，本文有公司网站全自动倒角机采集转载中国知网整理，http://www.daojiaoj.com 短期风电功率预测-电动数控滚圆机滚弧机张家港倒角机液压钢管倒角机折弯机设置了一个延迟单元，用于存储，记录之前的状态，与输入量一起作为隐含层的输入。这种动态存储功能，使得Elman神经网络适用于时间序列的预测问题。Elman网络节构图［12］如图1所示。图1Elman结构图在Elman网络结构中，隐含层为某种非线性函数，如Sigmoid函数，需要接收输入层数据和连接层保存的数据。输出层和连接层的传递函数均为线性函数(MATLAB中为purelin函数)，就算是同样的输入数据，不同时刻输出也不尽相同。由于输入层和输出层分别反映了信号的空域信息和时域信息，因此该神经网络被证明可以应用于空域和时域的模式识别等问题。5基于聚类分析和Elman神经网络的短期风功率预测模型5.1预测模型实现步骤如下:(1)读入风电相关数据。(2)坏数据的辨识与修正。(3)确定日气象特征向量，利用灰色关联度方法选取若干相似日。(4)采用K均值聚类方法将相似日各时刻风电数《电气开关》(2018．No．6)33短期风电功率预测-电动数控滚圆机滚弧机张家港倒角机液压钢管倒角机折弯机本文有公司网站全自动倒角机采集转载中国知网整理，http://www.daojiaoj.com