基于小波分析和PSO优化神经网络的短期风电功率预测

• 作者: 刘波 叶小岭 肖寅 邓华
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 小波分析 改进粒子群算法 神经网络优化 短期风电功率预测
• 年，卷（期）: 2014,（10）
• 页码范围: 1486-1492
• 分类号: TK89
• 语种: 中文

摘要

针对风电场风速和风电功率序列起伏波动大、无明显变化规律等特点以及传统神经网络收敛速度慢、易陷入局部极小值等缺陷,提出了基于小波分析和改进粒子群算法优化神经网络的短期风电功率预测方法.首先,通过小波方法将用于神经网络训练的历史风速和风电功率序列进行分解,再针对风速和风电功率的各个分量分别建立相应的神经网络模型,采用分期变异粒子群算法对各个分量的神经网络学习算法进行优化,最后将各个分量的预测值进行小波重构得到风电功率预测结果.江苏如东某风电场风电机组的实验结果证明预测精度较传统神经网络方法有较大提高,验证了所提出方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓华	南京信息工程大学信息与控制学院	17	151	8.0	12.0
5	叶小岭	南京信息工程大学信息与控制学院	90	607	14.0	19.0
9	刘波	南京信息工程大学信息与控制学院	15	70	5.0	7.0