基于KMO-Bartlett典型风速选取的PCA-WNN短期风速预测

• 作者: 张俊芳 解坤
• 来源期刊: 发电设备
• 学科: 工学
• 关键词: 风速预测 KMO检验 Bartlett球度检验 主成分分析 小波-BP神经网络
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 新能源
• 页码范围: 86-91
• 页数: 6页
• 分类号: TM614
• 字数: 4830字
• 语种: 中文

摘要

针对风电功率预测时风速信息冗余,导致神经网络难以把握内在规律而影响训练效率的问题,选取最佳风速数据进行主成分分析,采用改进小波-BP神经网络对风速进行预测.通过KMO和Bartlett球度双检验选取最佳风速数据,从而充分利用主成分分析法对风速数据进行提取以优化神经网络的输入,提高网络收敛速度和预测精度.通过某风电场风速数据仿真分析,与其他预测方法进行对比,结果表明该模型预测精度高、泛化性能好,验证了该预测方法的正确性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张俊芳	南京理工大学自动化学院	73	734	14.0	24.0
2	解坤	南京理工大学自动化学院	1	20	1.0	1.0