相空间重构的极端学习机短期风速预测模型

• 作者: 乐秀瑶 南东亮 武峰雨
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 风力发电 短期风速预测 混沌特性 相空间重构 极端学习机
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 136-141
• 页数: 6页
• 分类号: TM835
• 字数: 3883字
• 语种: 中文

摘要

对风速进行快速、准确的预测,可以有效地减小或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力.根据风速具有混沌特性,提出一种相空间重构的极端学习机(extreme learningmachine,ELM)的短期风速预测模型,通过确定延迟时间和嵌入维数,对样本空间进行重构,使新的样本更能反映风速变化特性,在此基础上运用ELM进行短期风速预测.与传统的预测模型相比,该方法具有学习速度快、泛化性能好等优点,为风速预测提供了新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	南东亮	河海大学能源与电气学院	3	31	2.0	3.0
2	武峰雨	河海大学能源与电气学院	2	23	1.0	2.0
3	乐秀瑶	河海大学能源与电气学院	1	23	1.0	1.0