Print

基于粒子群优化极限学习机的风功率预测

论文摘要

风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对确保电网在安全稳定运行下接纳更多的风电具有重要的意义。针对极限学习机（ELM）回归模型预测结果受输入参数影响的问题,现将粒子群优化算法（PSO）应用于ELM中,提出了一种基于粒子群优化极限学习机的风功率预测方法。该方法首先将数值天气预报信息（NWP）数据进行数据预处理,并构建出训练样本集,随后建立ELM模型,利用粒子群算法优化ELM中的输入权值和阈值,从而建立起基于NWP和PSO-ELM风功率预测模型。对华东地区3个不同装机容量的风场NWP数据进行实验。结果表明:该方法的预测精度高且稳定性能好,能够为风电场功率预测以及风电并网安全可靠性提供科学有效的参考依据。

论文目录

  • 1 基本理论
  •   1.1 ELM算法
  •   1.2 粒子群算法
  • 2 基于PSO-ELM的风功率预测模型
  •   2.1 NWP数据预处理
  •   2.2 PSO-ELM预测模型
  •   2.3 基于NWP和PSO-ELM的风功率预测模型
  •   2.4 评价指标
  • 3 实验与结果分析
  •   3.1 数据来源
  •   3.2 参数设定
  •   3.3 PSO-ELM预测结果对比
  • 4 结 语

    • 文章来源

    类型: 期刊论文

    作者: 赵睿智,丁云飞

    关键词: 风功率预测,模型,数值天气预报信息数据,极限学习机

    来源: 上海电机学院学报 2019年04期

    年度: 2019

    分类: 社会科学Ⅱ辑,工程科技Ⅱ辑

    专业: 电力工业

    单位: 上海电机学院电气学院

    基金: 国家自然科学基金项目资助(11302123),上海市浦江人才计划项目资助(15PJ1402500)

    分类号: TM614

    页码: 187-192

    总页数: 6

    文件大小: 1488K

    下载量: 436

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/de79de56af0982ef98c879d8.html