基于情感神经网络的风电功率预测

被引：2

作者：

张国玲

机构：

[1] 玉林师范学院教育技术中心

来源：

电信科学 | 2017年 / 33卷 / 03期

关键词：

情感神经网络; 风力发电功率; 预测; 遗传算法;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TM614 [风能发电];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0807 ;

摘要：

风力发电功率预测对于风能并网具有重要意义。采用一种可用于复杂系统和模式建模的新型神经网络——情感神经网络,对风力发电功率进行预测。为防止ENN在训练时陷入局部最优解,提出采用遗传算法对其进行训练。采用预测误差的均方根和标准差衡量预测准确性、稳定性,对ENN性能进行了检验。结果表明,相比于人工神经网络、支持向量机和自滑动回归模型,ENN能够获得更高的预测准确率和预测可靠性。

引用

收藏

页码：168 / 172

页数：5

相关论文

共 11 条

[1] 基于卡尔曼滤波的风速序列短期预测方法 [J].

修春波 ;

任晓 ;

李艳晴 ;

刘明凤 .

电工技术学报, 2014, 29 (02) :253-259

[2] 基于连续时间段聚类的支持向量机风电功率预测方法 [J].

丁志勇 ;

杨苹 ;

杨曦 ;

张臻 .

电力系统自动化, 2012, 36 (14) :131-135+149

[3] 风电功率预测技术综述 [J].

王健 ;

严干贵 ;

宋薇 ;

穆钢 .

东北电力大学学报, 2011, 31 (03) :20-24

[4] 风电功率预测的发展现状与展望 [J].

范高锋 ;

裴哲义 ;

辛耀中 .

中国电力, 2011, 44 (06) :38-41

[5] 基于自回归滑动平均模型的风力发电容量预测 [J].

冬雷 ;

王丽婕 ;

郝颖 ;

胡国飞 ;

廖晓钟 .

太阳能学报, 2011, 32 (05) :617-622

[6] 基于人工神经网络的风电功率预测 [J].

范高锋 ;

王伟胜 ;

刘纯 ;

戴慧珠 .

中国电机工程学报, 2008, (34) :118-123

[7] 风电功率预测技术综述 [J].

谷兴凯 ;

范高锋 ;

王晓蓉 ;

赵海翔 ;

戴慧珠 .

电网技术, 2007, (S2) :335-338

[8]

Practical emotional neural networks[J] . Ehsan Lotfi,M.-R. Akbarzadeh-T..Neural Networks . 2014

[9] First and second order non-equilibrium phase transition and evidence for non-extensive Tsallis statistics in Earth's magnetosphere [J].

Pavlos, G. P. ;

Iliopoulos, A. C. ;

Tsoutsouras, V. G. ;

Sarafopoulos, D. V. ;

Sfiris, D. S. ;

Karakatsanis, L. P. ;

Pavlos, E. G. .

PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS, 2011, 390 (15) :2819-2839

[10]

Modeling cognitive and emotional processes: A novel neural network architecture[J] . Adnan Khashman.Neural Networks . 2010 (10)