基于迟滞ELM模型的短期风速预测

• 作者: 余敖 彭敬涛 陈亮
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 极速学习机 迟滞 风速预测 机器学习
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 应用开发研究
• 页码范围: 130-135,141
• 页数: 7页
• 分类号: TP391
• 字数: 6514字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.06.027

摘要

为了应对能源危机,许多国家开始大力发展最有发展前景之一的风能,而风速预测是进行风电场出力预测的前提条件.目前常用的风速预测方法没有得到很高的预测精度以及预测时间.为了改善风速时间序列的预测精度和预测时间,提出了一种基于迟滞极速学习机(Extreme Learning Machine)模型的风速预测方法.ELM算法是一种新型神经网络,计算效率高,性能优越,能避免局部最小化.通过改变神经元激励函数的方式将迟滞特性引入神经网络中,以增强历史输入对当前响应的影响,从而提高有用信息的利用率,提高风速时间序列的预测性能.仿真结果表明,与ELM模型等方法相比,迟滞ELM模型能够有效减小风速时间序列的预测误差,提高了预测精度以及减少了预测时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈亮	东华大学信息科学与技术学院	125	1242	18.0	27.0
2	余敖	东华大学信息科学与技术学院	1	2	1.0	1.0
3	彭敬涛	东华大学信息科学与技术学院	1	2	1.0	1.0