一种改进的ELM及其在光伏发电上的应用

• 作者: 周东来 彭立亮 王尧 龚仁喜
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 极限学习机 粒子群 模拟退火 权值 阈值 功率预测
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 基金项目
• 页码范围: 10-14
• 页数: 5页
• 分类号: TP391.9
• 字数: 2608字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2017.06.003

摘要

为了改善极限学习机(Extreme Learning Machine,ELM)收敛速度慢、预测精度不稳定、隐层神经元对网络参数敏感度低等缺点,文中提出了粒子群(Particle Swarm Optimization,PSO)并行模拟退火(Simulated Annealing,SA)优化ELM的算法(APSO-ELM).该算法首先通过对ELM随机产生的初始权值和阈值进行优化,进化出较优解,然后对每组解进行模拟退火,从而提高算法摆脱局部极值点的能力,最后将优化退火后的解集,用来预测ELM的输出.算法仿真结果表明:改进的ELM可有效解决粒子群寻优过程易陷入局部最优的问题,其预测精度、收敛速度、隐层神经元的敏感度均优于其他常见ELM扩展算法.将改进的ELM应用在光伏发电输出功率预测上,可以预测光伏发电输出功率的变化规律,精度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚仁喜	广西大学电气工程学院	89	835	17.0	25.0
2	彭立亮	广西大学电气工程学院	3	4	1.0	1.0
3	王尧	广西大学电气工程学院	2	7	1.0	2.0
4	周东来	广西大学电气工程学院	3	2	1.0	1.0