基于PSO-WNN模型的超短期风速预测及其误差校正

• 作者: 丁方莉 周松林 杨洪深
• 来源期刊: 安徽工业大学学报（自然科学版）
• 关键词: 二阶振荡粒子群优化算法 小波神经网络 一阶线性回归 误差校正
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 机械、控制与电气
• 页码范围: 360-366
• 页数: 7页
• 分类号: TM715
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7872.2019.04.010

摘要

小波神经网络(wavelet neural network,WNN)具有多分辨率局部时频特性,在风速预测中得到了广泛应用,但模型参数的优化选择是一难点,为此提出一种基于PSO(粒子群算法)-WNN的超短期风速预测模型.引入粒子位置变化量与二阶振荡环节改进粒子群算法,以平衡粒子群的全局搜索能力和局部改良能力;采用改进的粒子群算法优化WNN模型参数,进而对风速进行超短期预测;为进一步减小预测误差,分析风速预测的模型误差及其相关因素,并采用一阶线性回归法进行误差校正.算例表明,所提PSO-WNN预测模型及误差校正措施能够有效提高风速预测模型的泛化性能和预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周松林	铜陵学院电气工程学院	41	154	7.0	10.0
2	杨洪深	铜陵学院电气工程学院	9	17	2.0	3.0
3	丁方莉	铜陵学院电气工程学院	10	9	2.0	3.0