基于变分模态分解和改进鲸鱼算法优化的神经网络风速预测模型

• 作者: 李志鹏 陈堂贤
• 来源期刊: 电器与能效管理技术
• 学科: 工学
• 关键词: 鲸鱼算法 共轭梯度算法 改进鲸鱼算法 变分模态分解 自适应模糊神经系统 风速预测
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 研究与分析
• 页码范围: 24-31
• 页数: 8页
• 分类号: TM614
• 字数: 4873字
• 语种: 中文
• DOI: 10.16628/j.cnki.2095-8188.2019.11.005

摘要

风速预测在风电场安全并网和智能化管理中起着决定性作用,针对风速的非线性和不稳定等特点,提出一种基于变分模态分解和改进鲸鱼算法优化的模糊神经网络(VMD-CGWOA-ANFIS)的混合预测模型.该模型首先使用变分模态分解(VMD)技术将原始风速序列分解为一系列子序列,对各子序列分别采用模糊神经网络(ANFIS)建立预测模型.为进一步提高预测精度,克服鲸鱼(WOA)算法容易陷入局部最优和收敛过早的缺点,引入共轭梯度算法(CG)对WOA进行改进,利用改进的CGWOA算法对ANFIS参数进行优化.使用优化后的ANFIS分别对VMD分解后的各子序列进行预测,最后将预测后各子序列叠加得到最终预测结果.为测试模型的有效性,选择宁夏地区三组实际风电数据进行模拟试验,将ANFIS、VMD-ANFIS、VMD-WOA-ANFIS与提出模型进行对比,结果表明,所提出的混合模型预测精确度明显高于其他对比模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈堂贤	三峡大学电气与新能源学院	39	51	4.0	6.0
2	李志鹏	三峡大学电气与新能源学院	2	0	0.0	0.0