基于ELM的风力发电量的预测研究

• 作者: 朱正平 路小娟
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 风力发电 SLFN 极限学习 负荷预测
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 实验室自动化
• 页码范围: 159-161
• 分类号: TM273
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2015.11.159

摘要

风力发电发电量依赖于气象因素和环境条件的制约,存在很大的随机性和不确定性,对电网的稳定运行造成一定的影响,针对这一问题,本文提出了应用单隐含层前馈神经网络SLFN (Single-hidden Layer Feedforward Neural Network)中的极限学习机(Extreme Learning Machine,ELM)进行预测分析.首先建立风力发电的简化预测模型;然后进行网络训练;最后分别对日平均风速和日发电量进行预测分析.结果表明应用ELM减小预测误差,对实际具有一定的指导和参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	路小娟	兰州交通大学自动化与电气工程学院	29	123	7.0	9.0
2	朱正平	兰州城市学院信息工程学院	52	158	7.0	10.0