基于ACFOA优化RBF的短期风电功率预测

• 作者: 崔闪 彭道刚 钱玉良
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风电功率 预测模型 RBF神经网络 ACFOA算法 参数优化
• 年，卷（期）: 2017,（1）
• 页码范围: 80-85
• 页数: 6页
• 分类号: TK83|TM614
• 字数: 4144字
• 语种: 中文

摘要

为了提高短期风电输出功率预测的准确度,在分析研究基本预测方法的基础上,提出采用一种自适应混沌果蝇算法(ACFOA)优化RBF神经网络的预测方法.该方法中引入自适应混沌对果蝇算法的进化机制进行优化,并利用ACFOA算法改善RBF神经网络结构参数以提高网络的泛化能力,同时对某风电场的历史数据进行验证分析.仿真结果表明,相比于PSO-RBF预测方法,采用提出的预测模型能有效减少较大误差出现的频率,大幅度提高风电输出功率预测的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭道刚	上海电力学院自动化工程学院	157	1369	20.0	28.0
2	崔闪	上海电力学院自动化工程学院	1	7	1.0	1.0
3	钱玉良	上海电力学院自动化工程学院	14	40	4.0	6.0