基于小波变换的改进混合蛙跳-差分进化-神经网络预测模型的短期风速预测

• 作者: 付晓敏
• 来源期刊: 分布式能源
• 学科: 工学
• 关键词: 风速 预测 小波变换 混合蛙跳算法(SFLA) 差分进化(DE)算法 组合预测模型
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 学术研究|Basic Research
• 页码范围: 38-44
• 页数: 7页
• 分类号: TK89
• 语种: 中文
• DOI: 10.16513/j.2096-2185.DE.2106621

摘要

针对目前对风速序列短期预测中不同组合算法预测精度较差、适应性不强等问题,提出一种基于小波变换的组合预测模型算法,将风速序列经小波变换降低波动性与无序性,利用混合蛙跳算法(shuffled frog leaping algorithm,SFLA)优化逆向传播(back propagation,BP)神经网络的初始权值与阈值,将差分进化(difference evolution,DE)算法用于混合蛙跳算法子种群个体寻优策略,提高个体收敛速度与精度.通过将经小波变换分解得到的高、低频分量分别经组合模型算法进行风速预测与重构,通过实例验证,10、30 min相较60 min预测结果平均绝对百分比误差分别提高33.59％、12.21％,均方根误差分别提高28.77％、8.22％,三者平均预测误差分别为0.037、-0.014、0.011 m/s,与混合蛙跳-BP神经网络算法、BP神经网络算法横向对比,结果表明所提组合预测模型算法预测性能指标最佳.