一种基于均值漂移聚类的风电功率密度预测方法及装置

本申请涉及一种基于均值漂移聚类的风电功率密度预测方法及装置，所述方法包括步骤：获取影响风电功率的数据；对数据进行归一化处理；利用斯皮尔曼相关系数方法进行相关性分析；利用均值漂移聚类算法进行聚类分析，获得不同聚类中心；计算待预测时间段的参数数据筛选最佳聚类中心；对长短时记忆神经网络进行训练。该方法通过Mean shift聚类对历史参数数据进行聚类分析，以形成不同聚类中心，随后通过对比待预测时段内参数数据与各聚类中心的欧氏距离，筛选出符合当前待预测参数数据的最佳聚类结果，并以此聚类结果作为LSTM神经网络算法的训练样本，建立预测模型对风电功率密度进行预测，大大简化了模型训练的数据处理量，同时预测结果结果更加准确。