基于GWO-BP-CNN-ec的风电功率短期预测模型

• 作者: 张瀚超 王建辉 邢丽萍
• 来源期刊: 电子产品世界
• 关键词: 风电功率短期预测 卷积神经网络 灰狼优化 偏差修正
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 工业控制
• 页码范围: 51-56
• 页数: 6页
• 语种: 中文

摘要

在大型电网和小型微电网中,风电功率短期预测对电力系统的调度运行有着重要意义.为了提高短期风电功率预测精度,文章提出一种卷积神经网络(CNN)与灰狼优化算法(GWO)结合的短期风电预测模型.首先,通过数据的离散化,将二维风速转换成三维风速,变为符合CNN模型的输入量,再结合GWO对CNN模型的参数进行优化,最后通过BP对整个网络进行微调后引入预测偏差二次修正,最后建立了基于GWO-BP-CNN-ec的风电功率预测组合模型.通过实验结果与目前已投入运行的风电预测系统对比,该方法具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢丽萍		3	10	2.0	3.0
2	张瀚超		1	0	0.0	0.0
3	王建辉		2	1	1.0	1.0