Print

果蝇优化广义神经网络的风电功率短期预测

论文摘要

随着风电装机容量的持续增长,风力发电的间歇性和随机性对电网造成的不利影响越来越明显。因此,有效的风电功率预测是解决大规模风电并网的关键问题之一。为此提出采用主成分分析法和果蝇优化广义神经网络（FOA-GRNN）对风电功率进行短期预测。首先采用主成分分析对样本数据进行降维处理,提取有效的主成分以降低预测模型的复杂度。然后,引入自适应步长公式,采用FOA-GRNN对处理后的样本数据进行预测。经湖南某风电厂实际运行数据验证,FOA-GRNN的平均相对误差为8. 81%,相比粒子群算法-径向基函数（PSO-RBF）、PSO-BP等预测模型,具有更高的预测精度和更快的收敛速度,为短期风电功率预测提供了一种有效方法。

论文目录

  • 0 引言
  • 1 数据预处理
  •   1.1 PCA原理
  •   1.2 样本数据主成分分析
  • 2 FOA-GRNN的预测模型
  •   2.1 FOA算法
  •   2.2 广义回归神经网络
  •   2.3 FOA-GRNN优化流程
  • 3 预测结果分析与比较
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 王慧莹,吴亮红,梅盼盼,张红强,周少武

    关键词: 风电功率预测,主成分分析,神经网络,果蝇优化算法

    来源: 电子测量与仪器学报 2019年06期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 电力工业,自动化技术

    单位: 湖南科技大学信息与电气工程学院

    基金: 国家自然科学基金(61603132,61672226),湖南省自然科学基金(2018JJ2137,2018JJ3188),湖南省科技创新计划(2017XK2302)资助项目

    分类号: TP18;TM614

    DOI: 10.13382/j.jemi.B1902015

    页码: 177-183

    总页数: 7

    文件大小: 331K

    下载量: 206

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/722d0cf665bdc1da31d89e21.html