基于遗传算法和模糊聚类算法的改进BP神经网络风速预测

被引：18

作者：

吴钢 ^{[1
]}

徐枫 ^{[2
]}

王冰 ^{[2
]}

徐偲喆 ^{[2
]}

机构：

[1] 江苏方天电力技术有限公司

[2] 河海大学能源与电气学院

来源：

电子设计工程 | 2016年 / 24卷 / 11期

关键词：

短期风速预测; BP神经网络; 遗传算法; 聚类算法; 二次优化;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP311.13 [];

学科分类号：

140502 [人工智能];

摘要：

针对BP神经网络风速预测中存在的结构不确定以及网络过度拟合的问题,利用遗传算法的全局搜索能力和模糊聚类算法的数据筛选能力,分别对BP神经网络的结构与数据进行双重优化,提出了基于遗传算法和聚类算法的改进BP神经网络风速预测方法。仿真表明,改进风速后的预测方法大大提高了风速预测的准确性。

引用

页码：120 / 123

页数：4

共 6 条

[1]

基于遗传BP神经网络的短期风速预测模型 [J].

王德明 ;

王莉 ;

张广明 .

浙江大学学报(工学版), 2012, 46 (05) :837-841+904

[2]

基于BP神经网络与遗传算法风电场超短期风速预测优化研究 [J].

陈忠 .

可再生能源, 2012, (02) :32-36

[3]

基于SVM的时间序列短期风速预测 [J].

鲍永胜 ;

吴振升 .

中国电力, 2011, 44 (09) :61-64

[4]

基于气象因子的BP神经网络风电场风速预测 [J].

傅蓉 ;

王维庆 ;

何桂雄 .

可再生能源, 2009, 27 (05) :86-89

[5]

风电场风速和发电功率预测研究 [J].

杨秀媛 ;

肖洋 ;

陈树勇 .

中国电机工程学报, 2005, (11) :1-5

[6]

Optimum design configuration of Savonius rotor through wind tunnel experiments.[J].U.K. Saha;S. Thotla;D. Maity.Journal of Wind Engineering & Industrial Aerodynamics.2008, 8

← 1 →