Print

一种利用混合算法选择变量的天牛须优化神经网络风速预测方法

论文摘要

风速波动本身具有随机性和不确定性,给风速的准确测量产生影响。基于风电场大数据,设计提出一种基于互信息算法和随机森林算法相结合的变量选择方法,并以此为基础建立基于天牛须搜索算法优化的神经网络（BAS-BP）风速预测模型。采用某风电场1. 5 MW机组SCADA历史数据,使用互信息法和随机森林算法进行变量选择,并进行预测模型的训练、测试及评价。验证结果表明:该风速预测模型各项误差评价指标得到提高,预测误差减小明显,模型具有更好的预测精度和效果,验证了方法的正确性和有效性。

论文目录

  • 0 引言
  • 1 数据处理
  •   1.1 基于互信息法的变量选取
  •   1.2 大数据变量重要性评分
  • 2 风速预测模型建立及优化
  •   2.1 BP神经网络风速模型
  •   2.2 基于天牛须搜索算法的预测模型优化
  • 3 模型验证及结果分析
  •   3.1 数据源
  •   3.2 误差评价指标
  •   3.3 初始化预测模型参数
  •   3.4 预测结果及分析
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 李大中,李昉,张克延

    关键词: 风场大数据,变量,风速预测,互信息,天牛须搜索算法

    来源: 电力科学与工程 2019年12期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 电力工业

    单位: 华北电力大学控制与计算机工程学院

    基金: 河北省自然科学基金(F20170629-23)

    分类号: TM614

    页码: 28-33

    总页数: 6

    文件大小: 257K

    下载量: 265

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/e4c8b83f0cfcc0ec4dcb0abc.html