Print

基于混合智能模型的分布式风力发电预测方法

论文摘要

进行准确的多尺度风功率预测对分布式风电机组的可靠和经济运行至关重要。提出了一种基于人工智能算法的混合模型,包括最小冗余最大相关(mRMR)准则的输入变量选择(IVS)模块,以及元启发式随机算法优化的自适应神经模糊推理系统(ANFIS)。所提混合模型将可利用的相关数据,包括历史风电功率时间序列和区域数值天气预报(NWP),利用最小冗余最大相关(mRMR)的滤波方法来自动选择不同预测步长的输入变量;然后对于具备最优特征的输入数据,通过自适应神经模糊推理系统来进行监督学习;模型应用粒子群优化(PSO)算法对ANFIS参数训练以达到最优预测效果;最后通过实际分布式风电机组的运行数据对所提出的混合智能模型进行评估,实验结果证实了模型的有效性。

论文目录

  • 0 引言
  • 1 mRMR准则的输入变量动态选择
  • 2 混合监督学习模型
  •   2.1 自适应模糊推理系统
  •   2.2 元启发算法求解最优参数
  • 3 实验结果及分析
  • 4 结语

    • 文章来源

    类型: 期刊论文

    作者: 董伟,杨强,葛磊蛟,迟福建

    关键词: 多时间尺度风功率预测,最小冗余最大相关滤波,特征选择,自适应模糊推理系统,粒子群优化算法

    来源: 供用电 2019年01期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 电力工业

    单位: 浙江大学电气工程学院,天津大学智能电网教育部重点实验室,国网天津市电力公司

    基金: 浙江省自然科学基金重点项目(LZ15E070001),国家电网有限公司科技项目(SG-ZX2018-01)~~

    分类号: TM614

    DOI: 10.19421/j.cnki.1006-6357.2019.01.006

    页码: 34-39

    总页数: 6

    文件大小: 1651K

    下载量: 260

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/52e548494b7fc0f31f77e51d.html