基于特征选择的RELM风速短期预测

• 作者: 王琦 秦本双
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风速预测 信息增益 皮尔逊系数 正则化 极限学习机
• 年，卷（期）: 2017,（8）
• 页码范围: 1215-1220
• 页数: 6页
• 分类号: TK81
• 字数: 3474字
• 语种: 中文

摘要

准确的风速预测是风电场功率预测的基础,对大规模风电并网具有重要的价值.文章提出一种基于信息增益(IG)的正则化极限学习机(RELM)短期风速预测方法.首先采用信息增益对32维风速属性序列进行特征选择,并对其进行加权;然后将正则化系数引入极限学习机(ELM)网络,构建RELM风速预测模型;最后结合美国风能技术中心的实测数据进行仿真,与传统ELM网络、BP神经网络相比,该方法具有较高的准确性和预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王琦		24	108	7.0	9.0
2	秦本双	东北电力大学电气工程学院	6	14	2.0	3.0