基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在传统BP算法的基础上,将Levenbery-Marquardt优化法与神经网络模型相结合的L-M优化BP算法进行了深入应用和分析。此方法与传统算法相比提高了系统的学习速度,加快了网络的收敛。针对某风电场58台机组额定功率为850 kw的风电机组20天(每15分钟一个预测点)的历史数据使用L-M算法优化下的前馈神经网络模型——BP神经网络模型进行了该风电场的实时预测,结果表明该方法在一定程度上更好的逼近了真实的曲线。
推荐文章
BP神经网络的分层优化研究及其在风电功率预测中的应用
神经网络
分层优化
灰色模型
遗传算法
蚁群算法
风电功率预测
基于风速融合和NARX神经网络的短期风电功率预测
短期风电功率预测
预测模型
NARX神经网络
风速融合
数据融合
数据处理
自适应变异粒子群优化BP的短期风电功率预测模型
短期风电预测
互信息
自适应惯性权重系数
变异因子
反向传播神经网络
基于NWP和深度学习神经网络短期风功率预测
风功率预测
深度学习神经网络
数值天气预报
建立转换模型
概率密度
案例分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于L-M优化BP神经网络的风电功率预测
来源期刊 智能电网(汉斯) 学科 工学
关键词 风电功率预测 L-M优化 BP算法 神经网络
年,卷(期) zndwhs,(2) 所属期刊栏目
研究方向 页码范围 35-40
页数 6页 分类号 TP1
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄元峰 中国科学院电工研究所 11 42 5.0 6.0
2 孟静 7 19 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
风电功率预测
L-M优化
BP算法
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
智能电网(汉斯)
双月刊
2161-8763
武汉市江夏区汤逊湖北路38号光谷总部空间
出版文献量(篇)
408
总下载数(次)
2
论文1v1指导