基于IBA-KELM的风电功率区间预测方法

被引：13

作者：

林涛 ^{[1
,2
]}

蔡睿琪 ^{[1
]}

张丽 ^{[1
]}

杨欣 ^{[1
]}

刘刚 ^{[1
]}

廖文喆 ^{[1
]}

机构：

[1] 河北工业大学控制科学与工程学院

[2] 河北工业大学计算机科学与软件学院

来源：

可再生能源 | 2018年 / 36卷 / 07期

关键词：

风电; 功率预测; 区间预测; 核极限学习机; 蝙蝠算法;

D O I：

10.13941/j.cnki.21-1469/tk.2018.07.023

中图分类号：

TM614 [风能发电];

学科分类号：

0807 ;

摘要：

在电力系统对功率预测提出更高要求的形势下,风电功率区间预测的方法已经逐渐成为新的热点。文章利用预测区间(PIs)的思想来估计风电场输出功率的不确定性。在优化区间预测目标函数的基础上,利用核极限学习机(KELM)学习速度快,泛化能力强的优点,提出一种基于KELM的风电功率区间预测模型。并使用改进后的蝙蝠算法(IBA)对模型的参数进行优化。为了克服BA易陷入局部最优的缺点,增加了其搜索时的多样性,并加入动态惯性权重,使其收敛速度更快。最后,用河北某风电场的数据进行实验仿真,与传统BP神经网络模型和BA-ELM模型对比分析,结果表明文章提出的预测方法具有速度快,精度高的优点。

引用

页码：1092 / 1097

页数：6

共 16 条

[1] A new modification approach on bat algorithm for solving optimization problems. Yilmaz S,Kucuksille E U. Applied Soft Computing . 2015
[2] Prediction intervals for short-term wind farm power generation forecasts. Khosravi A,Nahavandi S,Creighton D. IEEE Transactions on Sustainable Energy . 2013
[3] Probabilistic real-time thermal rating forecasting for overhead lines by conditionally heteroscedastic auto-regressive models. Fan Fulin,Bell K,Infield D. IEEE Transactions on Power Delivery . 2017
[4] 风力发电机组出力组合区间预测算法
陈伟
蒲跃
裴喜平
李恒杰
张萍
吴丽珍
[J]. 兰州理工大学学报, 2015, 41 (06) : 84 - 89
[5] 有功分级平滑修正风电出力短期预测精度
张斌
王筱
晁勤
刘杰
刘清贵
胡续坤
[J]. 可再生能源, 2015, (06) : 859 - 864
[6] 基于EEMD-RVM的短期风功率区间预测
范磊
王越
梁智
戴丽媛
[J]. 广东电力, 2016, 29 (02) : 14 - 20
[7] 基于灰色缓冲算子-卡尔曼滤波双修正的风电功率实时预测研究
杨茂
黄宾阳
[J]. 可再生能源, 2017, 35 (01) : 101 - 109
[8] 基于k-means聚类的SVR短期风速预测
关添升
王琦
秦本双
[J]. 可再生能源, 2017, (11) : 1678 - 1684
[9] A new fuzzy-based combined prediction interval for wind power forecasting. Kavousi-Fard A,Khosravi A,Nahavandi S. IEEE Transactions on Power Systems . 2016
[10] A comparison of a few statistical models for making quantile wind power forecasts. Bremnes,John Bjrnar. Wind Engineering . 2006

← 1 2 →