基于泄漏积分型回声状态网络的在线学习光伏功率预测

• 作者: 刘洪 徐正阳 路志英
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 回声状态网络 泄漏积分 光伏功率预测 在线学习
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 1-7
• 页数: 7页
• 分类号: TM315
• 字数: 5756字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8930.2018.02.001

摘要

为提高光伏功率预测结果的准确性,提出了基于泄漏积分型回声状态网络LIESN(leaky-integrator echo state network)的具有在线学习功能的预测方法.预测模型中采用泄漏积分神经元增强储备池的短期记忆能力,通过最小二乘在线学习算法增加临近时间样本对权值的影响;综合考虑预测精度与运行时间,分析了LIESN关键参数对预测性能的影响,并提出了LIESN关键参数的设定方法.实例证明,在线学习LIESN的预测精度优于BP神经网络、经典ESN及离线学习LIESN模型,测试结果的归一化均方根误差达到0.0986,验证了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	路志英	天津大学智能电网教育部重点实验室	35	264	9.0	15.0
2	刘洪	天津大学智能电网教育部重点实验室	62	1112	18.0	32.0
3	徐正阳	天津大学智能电网教育部重点实验室	4	4	1.0	2.0