摘要：为更精准地预测风功率,首先结合改进的网格法和K均值聚类（Kmeans＋＋）算法预处理风机数据,以剔除异常数据,引入临界概率并根据聚类的实际物理意义设置聚类中心点个数,临界概率同时反映风机性能。其次,利用改进的蝙蝠算法（改进BA）结合前馈（BP）神经网络建立风功率预测模型,BA中引入速度权重因子和高斯变异来避免陷入局部极值。最后,针对风功率模型的预测误差建立自回归滑动平均（ARMA）模型,采用误差的ARMA模型来修正风功率的预测值。结果表明,BA-BP-ARMA组合模型的预测效果更好。研究成果可为风功率预测提供参考。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社