摘  要：随着世界能源危机的凸显，风力发电逐渐成为研究热点。但其非持续性和随机性，使得风力发电在安全性、稳定性以及供电质量上有待提高。目前采用神经网络预测电网各节点短期功率并予以解决，但预测模型网络结构单一，使得预测结果受样本数据影响较大。经过预测模型的改进，使用模糊聚类选取相似日后再进行预测，可提高预测精度。通过仿真实验证明，该种改进使得预测结果相对误差在5%以内，具有较好的预测精度。

关键词：风力发电;模糊聚类技术;BP神经网络;风功率预测

中图分类号：TP181                 文献标识码：A文章编号：2096-4706（2021）15-0119-04

Abstract： With the prominence of the world energy crisis， wind power generation has gradually become a research hotspot. However， due to it’s non-sustainability and randomness， the safety， stability and power supply quality of wind power generation need to be improved. At present， neural network is used to predict and solve the short-term power of each node of the power grid， but the network structure of the prediction model is single， so the prediction results are greatly affected by the sample data. After the improvement of the prediction model， the prediction accuracy can be improved by using fuzzy clustering to select the similar days. The simulation results show that the relative error of the prediction results is less than 5% and has good prediction accuracy.

Keywords： wind power generation; fuzzy clustering technology; BP neural network; wind power prediction

0  引  言

自21世纪开始，世界随着能源危机加剧和环境恶化加重，各国均开始探索如何利用新能源提供电力供应[1]。微电网整合了多种分布式能源，成为世界电力发展的新方向。在各种分布式电源中，由于风能的普遍性，使得风力发电成为发展和研究的重点。但新能源的非持续性以及随机性，使得新能源微网的安全、稳定以及供电质量具有较大的不可靠性[2]。目前通常的解决办法是预测微网各节点的短期功率，这样既有助于微网系统的运行管理，也能保障分布式电源高渗透率下的大电网安全、稳定、经济运行。因此，风电功率预测具有十分重要的意义。

1  相关技术

聚类分析是对一个给定的事物集合，分析其相似性和相关性，将其划分成不同子集的过程。传统的聚类分析是一种硬划分，即辨识对象非此即彼，类别界限分明[3]。……