基于混合神经进化算法的风电爬坡分类预测

• 作者: 刘三明 徐正华 王致杰
• 来源期刊: 新一代信息技术
• 关键词: 混合神经进化算法 极端学习机 SMOTE采样方法 风电爬坡预测
• 年，卷（期）: 2019,（7）
• 页码范围: 39-45
• 页数: 7页
• 字数: 4333字
• 语种: 中文

摘要

针对风电场风电功率爬坡事件预测问题,提出一种分类预测模型.该模型将大气再分析数据输入的预测问题建模为二分类问题.另一方面,提出一种混合神经进化算法,将极限学习机等人工神经网络与进化算法相结合,对训练后的模型进行优化.由于风电爬坡事件发生的概率很低,因此是不平衡的.本文采用SMOTE采样方法,通过减少大多数类的数据样本来获得良好的结果.采用进化算法进行特征选择,以选择最优的训练模型.最后,通过算例仿真对模型进行评价,验证了模型的精度性能.结果表明,该方法在分类预测性能上具有较好的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王致杰	上海电机学院电气学院	133	321	9.0	13.0
2	刘三明	上海电机学院电气学院	70	153	7.0	9.0
3	徐正华	上海电机学院电气学院	3	0	0.0	0.0