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:
针对BP神经网络容易陷入过拟合和局部极小值的缺陷,采用殖民竞争全局优化算法,将BP神经网络的权值和阈值作为变量,并将均方差作为目标函数,组成了一种新的ICA-BP神经网络算法.结合风电厂的实际数据在Matlab平台上对该方法进行了验证,并与粒子群算法、遗传算法进行比较,得出该算法可以提高风电功率预测精度的结论.
推荐文章
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
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
基于Elman神经网络模型的短期光伏发电功率预测
光伏发电
功率预测
相似日
Elman神经网络
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 基于人工神经网络的风电功率预测优化算法
来源期刊 上海电力学院学报 学科 工学
关键词 殖民竞争算法 权值阈值优化 BP神经网络 风电功率预测
年,卷(期) 2014,(3) 所属期刊栏目 新能源
研究方向 页码范围 203-207,222
页数 6页 分类号 TM614|TP183
字数 3088字 语种 中文
DOI 10.3969/j.issn.1006-4729.2014.03.002
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 杨宁 上海电力学院自动化工程学院 50 348 10.0 15.0
2 王博 上海电力学院电气工程学院 4 23 4.0 4.0
3 朱海婷 上海电力学院电气工程学院 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (121)
共引文献  (245)
参考文献  (14)
节点文献
引证文献  (6)
同被引文献  (0)
二级引证文献  (0)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(8)
  • 参考文献(0)
  • 二级参考文献(8)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(9)
  • 参考文献(0)
  • 二级参考文献(9)
2008(15)
  • 参考文献(0)
  • 二级参考文献(15)
2009(19)
  • 参考文献(0)
  • 二级参考文献(19)
2010(13)
  • 参考文献(1)
  • 二级参考文献(12)
2011(24)
  • 参考文献(5)
  • 二级参考文献(19)
2012(9)
  • 参考文献(5)
  • 二级参考文献(4)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(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)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
殖民竞争算法
权值阈值优化
BP神经网络
风电功率预测
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
上海电力大学学报
双月刊
2096-8299
31-2175/TM
大16开
上海市平凉路2103号
1980
chi
出版文献量(篇)
2781
总下载数(次)
10
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导