基于OLS-SFLA-RBF神经网络的风电出力预测(英文)

被引：4

作者：

彭健 ^{[1
]}

王斐 ^{[2
]}

洪翠 ^{[1
]}

江岳文 ^{[1
]}

温步瀛 ^{[1
]}

机构：

[1] 福州大学电气工程与自动化学院

[2] 纽约大学理工学院电气与计算机工程系

来源：

电网与清洁能源 | 2013年 / 29卷 / 09期

关键词：

正交最小二乘法; 混合蛙跳算法; 径向基神经网络; 风电出力预测;

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：

0807 ;

摘要：

提高风电出力的预测精度,可以减轻风电并网带来的不利影响。利用径向基函数神经网络(RBF)建立风电出力预测模型,并通过正交二乘算法(OLS)对RBF神经网络进行初步训练,以确定网络结构及隐含层各节点中心。在OLS算法训练的网络基础上引入蛙跳算法(SFLA),进一步对隐含层基函数的宽度值进行优化以提高网络的泛化能力。实例预测表明,在相同的网络结构及隐含层中心下,基函数宽度值优化后的RBF神经网络模型预测精度得到了提升。

引用

页码：62 / 67

页数：6

共 9 条

[1] 一种RBF神经网络的混合学习算法在CPI中的应用
罗芳琼
[J]. 计算机与数字工程, 2012, 40 (04) : 8 - 11
[2] 基于MATLAB的风力发电机组建模和仿真研究
陈虎
孟克其劳
马建光
[J]. 节能技术, 2012, 30 (01) : 24 - 28
[3] 大规模风电接入电网的相关问题及措施
张丽英
叶廷路
辛耀中
韩丰
范高锋
[J]. 中国电机工程学报, 2010, 30 (25) : 1 - 9
[4] 风电场发电功率的建模和预测研究综述
王丽婕
廖晓钟
高阳
高爽
[J]. 电力系统保护与控制, 2009, 37 (13) : 118 - 121
[5] 数据挖掘中的聚类算法综述
贺玲
吴玲达
蔡益朝
[J]. 计算机应用研究, 2007, (01) : 10 - 13
[6] 风电场风速和发电功率预测研究
杨秀媛
肖洋
陈树勇
[J]. 中国电机工程学报, 2005, (11) : 1 - 5
[7] RBF神经网络的函数逼近能力及其算法
柴杰
江青茵
曹志凯
[J]. 模式识别与人工智能, 2002, 15 (03) : 310 - 316
[8] Convergence properties of radial basis functions[J] . I. R. H. Jackson. Constructive Approximation . 1988 (1)
[9] Interpolation of scattered data: Distance matrices and conditionally positive definite functions[J] . Charles A. Micchelli. Constructive Approximation . 1986 (1)

← 1 →