基于LIESN的光伏功率预测研究

• 作者: 孙鹏 张依强 焦程炜
• 来源期刊: 电工电气
• 学科: 工学
• 关键词: 回声状态网络 泄漏积分 神经元 光伏功率预测 在线学习
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 设计与研究
• 页码范围: 18-23,31
• 页数: 7页
• 分类号: TM615
• 字数: 4859字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-3175.2018.04.004

摘要

为了光伏功率预测结果有更好的准确性与普适性,提出基于泄漏积分型回声状态网络(LIESN)的具有在线学习功能的预测方法.在回声状态网络(ESN)中引入泄漏积分型神经元,增强储备池的短期记忆能力;分析了LIESN的参数对其光伏功率预测性能的影响,得到优化后的预测模型;利用最小二乘在线学习算法对模型实施训练,得到最终的在线学习LIESN预测模型.实例证明,该算法可完成复杂的建模且适用于多种天气情况,预测精度优于BP神经网络、经典ESN及LIESN模型,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	孙鹏		17	15	2.0	2.0
2	张依强		3	5	1.0	2.0