ty -jour a2 -zheng，hanbo au -hui，huang au -rong，jia au -songkai，王神经网络SP -9805748 VL -2018 AB-高精度风能预测可以降低​​风能输出的波动性和间歇性，这有利于电源系统的稳定运行，并提高了系统的有效能力，可实现大规模风能的有效能力消耗。在风电场，风力涡轮机位于不同的空间位置，其输出特性也受风向，唤醒效果和操作条件的影响。基于此，提出了两步超短期预测模型。首先，使用模糊的C均值聚类（FCM）理论根据风力涡轮机的OUT特征来聚类单位。其次，分别为分类簇建立了RBF神经网络的预测模型，并对每个单元进行了超短期功率预测。最后，将上述结果与未分类G风力涡轮机建立的RBF单个预测模型进行了比较。对中国北部的一个风电场进行了案例研究。结果表明，所提出的方法可以有效地提高风能的预测准确性，并证明该方法的有效性。 SN - 1687-7101 UR - https://doi.org/10.1155/2018/9805748 DO - 10.1155/2018/9805748 JF - Advances in Fuzzy Systems PB - Hindawi KW - ER -