基于ADQPSO-KELM风电功率短期预测模型的研究

• 作者: 付立思 屈伯阳
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 功率预测 核极限学习机 早熟判定准则 自适应扰动量子粒子群
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 能源
• 页码范围: 190-193,208
• 页数: 5页
• 分类号: TM715
• 语种: 中文

摘要

为了改善传统风电功率预测方法中误差较大且稳定性较差的问题,引入量子粒子群(QPSO)优化算法、自适应早熟判定准则及混合扰动算子,构建了自适应扰动量子粒子群(ADQPSO)优化算法,通过ADQPSO算法对核极限学习机(KELM)模型进行优化,建立了自适应扰动量子粒子群优化的核极限学习机(ADQPSO-KELM)风电功率短期预测模型,并利用内蒙古高尔真风电场采集的风电功率时间序列数据为试验样本进行48 h预测分析.结果 表明,ADQPSO-KELM风电功率短期预测模型与其他基于KELM优化的风电预测模型及传统风电预测模型相比,其预测的误差更小、准确度更高,且预测稳定性显著增强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付立思	沈阳农业大学信息与电气工程学院	42	355	11.0	18.0
2	屈伯阳	沈阳农业大学信息与电气工程学院	1	0	0.0	0.0