自适应变异粒子群优化BP的短期风电功率预测模型

被引：16

作者：

王粟

邱春辉

曾亮

机构：

[1] 湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室

来源：

华侨大学学报(自然科学版) | 2020年 / 01期

关键词：

短期风电预测; 互信息; 自适应惯性权重系数; 变异因子; 反向传播神经网络;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

针对反向传播(BP)神经网络预测模型在风电预测中预测精度低、输入变量多的问题,提出一种基于互信息的自适应变异粒子群优化BP的短期风电功率预测模型.首先,采用互信息筛选出原始数据中与输出功率相关度较大的影响因素,减少冗余信息;然后,引入具有自适应惯性权重系数和变异因子思想的粒子群算法对预测模型进行优化.结果表明:与传统预测模型相比,该预测模型具有收敛速度快、预测精度高等特点.

引用

收藏

页码：90 / 95

页数：6

相关论文

共 12 条

[1]

计及风电场状态的风电功率超短期预测 [J].

杨茂 ;

周宜 .

中国电机工程学报, 2019, 39 (05) :1259-1268

[2]

基于条件互信息特征选择法和Adaboost算法的电能质量复合扰动分类 [J].

李长松 ;

刘凯 ;

肖先勇 ;

金耘岭 .

高电压技术, 2019, 45 (02) :579-585

[3]

基于功率波动过程的风电功率短期预测及误差修正 [J].

丁明 ;

张超 ;

王勃 ;

毕锐 ;

缪乐颖 ;

车建峰 .

电力系统自动化, 2019, 43 (03) :2-9

[4]

基于神经网络平均影响值的超短期风电功率预测 [J].

徐龙博 ;

王伟 ;

张滔 ;

杨莉 ;

汪少勇 ;

李煜东 .

电力系统自动化, 2017, 41 (21) :40-45

[5]

基于因子分析和神经网络分位数回归的月度风电功率曲线概率预测 [J].

李丹 ;

任洲洋 ;

颜伟 ;

朱继忠 ;

赵霞 ;

余娟 .

中国电机工程学报, 2017, 37 (18) :5238-5247+5522

[6]

风向空间分散性及其对全场风电功率预测误差的影响 [J].

刘红柳 ;

杨茂 ;

于宁 ;

张强 .

电测与仪表, 2017, 54 (12) :54-59

[7]

考虑机组优化选取的含风电电网滚动优化调度方法 [J].

王功臣 ;

邓长虹 ;

夏沛 ;

梁宁 ;

张达 ;

周沁 .

电力系统自动化, 2017, 41 (11) :55-60

[8]

基于IAFSA-BPNN的短期风电功率预测 [J].

张颖超 ;

王雅晨 ;

邓华 ;

熊雄 ;

陈浩 .

电力系统保护与控制, 2017, 45 (07) :58-63

[9]

计及历史数据熵关联信息挖掘的短期风电功率预测 [J].

史坤鹏 ;

乔颖 ;

赵伟 ;

黄松岭 ;

刘志君 ;

郭雷 .

电力系统自动化, 2017, 41 (03) :13-18

[10]

关于短期及超短期风电功率预测的评述 [J].

薛禹胜 ;

郁琛 ;

赵俊华 ;

Kang LI ;

Xueqin LIU ;

Qiuwei WU ;

Guangya YANG .

电力系统自动化, 2015, 39 (06) :141-151