基于混沌时间序列GA-VNN模型的超短期风功率多步预测

• 作者: 张丙江 张雨 江岳春 王志刚 邢方方
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 混沌时间序列 BP神经网络 GA算法 Volterra 泛函模型 风功率超短期多步预测
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 低碳电力技术
• 页码范围: 2160-2166
• 页数: 7页
• 分类号: TM715
• 字数: 5653字
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2015.08.015

摘要

随着风电在电力系统中的渗透水平不断提高,能准确、可靠地进行风功率预测至关重要.为提高风功率超短期预测精度,利用风功率时间序列的混沌特性,推导分析了Volterra 泛函模型和3层前馈(back propagation,BP)神经网络在结构上的一致性,提出混沌时间序列遗传算法-Volterra神经网络(genetic algorithm-Volterra neural network,GA-VNN)模型,对超短期风功率进行多步预测.该模型将实用的Volterra泛函模型和BP神经网络结合起来,解决了求解Volterra泛函模型高阶核函数的问题.同时设计了一种混沌时间序列GA-VNN模型的学习算法,在算法中利用GA全局寻优能力来优化BP神经网络,获得最优的初始权值和阀值.将上述方法应用于某风电场风功率超短期多步预测中,结果验证了所提模型的多步预测性能明显优于Volterra预测滤波器和BP神经网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江岳春	湖南大学电气与信息工程学院	53	376	10.0	17.0
2	张丙江	湖南大学电气与信息工程学院	2	69	2.0	2.0
3	邢方方	湖南大学电气与信息工程学院	3	70	2.0	3.0
4	张雨	湖南大学电气与信息工程学院	4	79	3.0	4.0
5	王志刚		9	58	2.0	7.0