基于混合算法优化神经网络的风电预测模型

• 作者: 孟安波 殷豪 董朕
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 催化粒子群算法 神经网络 小波包分解 子序列 风电功率预测
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 新能源发电与并网
• 页码范围: 29-33
• 页数: 5页
• 分类号: TM715+.1
• 字数: 3102字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2017.02.005

摘要

针对粒子群算法陷入局部最优以及Elman神经网络泛化能力不足等缺点,提出一种混合小波包分解(wavelet packet decomposition,WPD)和催化粒子群算法(catytic particle swarm optimization,CPSO)优化Elman神经网络(elman neural network,ENN)的短期风电预测方法.通过小波包变换对风电功率样本进行多层序列分解,对单支重构所得的风电功率子序列采用催化粒子群算法优化的神经网络(CPSO-ENN)进行预测,最后叠加各子序列的预测值,得出实际预测结果.在实例分析中,利用某风电场实际运行数据进行仿真验证,结果表明新模型具有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷豪	广东工业大学自动化学院	51	287	10.0	14.0
2	孟安波	广东工业大学自动化学院	92	669	15.0	21.0
3	董朕	广东工业大学自动化学院	11	94	6.0	9.0