基于K-means和改进KNN算法的风电功率短期预测系统

来源：计算机测量与控制杂志2022年第5期北京时间：

作者：何建强,张玉萍,滕志军

单位：商洛学院 商洛

摘要：为提高风电功率短期预测的准确性，针对KNN（K-Nearest Neighbor algorithm）算法在风电功率预测中的不足，提出了基于K-means和改进KNN算法的风电功率短期预测方法。利用K-means聚类方法确定风电历史样本的类别，对KNN算法中搜索相似历史样本集的方式进行了改进和优化，构建了预测模型，并采用C/S架构实现了预测系统的设计。该系统具有自修正功能，能够随着预测次数的增加，不断修正预测模型，逐渐降低预测的误差率。以吉林省某风电场历史数据为样本进行了仿真分析，结果显示该算法与其它算法相比平均绝对误差和均方根误差最大下降1.08%和0.48%，运算时间提升了5.45%，在风电功率超短期多步预测中具有推广应用价值。

关键词：风电功率;预测;K-means聚类算法;改进KNN算法

基金资助：：国家自然科学(No.61501107)；陕西省教育厅2019年度专项科学研究计划项目(No.19JK0261)；商洛学院服务地方科研专项项目(No.19FK002)。