基于改进乌鸦算法和ESN神经网络的短期风电功率预测

被引：39

作者：

琚垚 ^{[1
]}

祁林 ^{[2
]}

刘帅 ^{[3
]}

机构：

[1] 河南新乡职业技术学院

[2] 河南城建学院

[3] 新能源电力系统国家重点实验室(华北电力大学)

来源：

电力系统保护与控制 | 2019年 / 47卷 / 04期

关键词：

乌鸦算法; Lévy飞行; ESN神经网络; 高斯函数; 风电功率预测;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

精确的短期风电功率预测对于提升电力系统经济稳定运行十分重要。为了克服传统的神经网络在参数选取中容易受主观因素影响和陷入局部最优的不足,提出一种基于改进乌鸦算法(ICSA)优化回声状态神经网络(ESN)参数的短期风电功率组合预测方法。在算法寻优初期引入Lévy飞行机制增强搜索效率,而在迭代后期加入高斯函数,对进化后的全部轨迹进行相应的调整,保证算法的全局寻优和逐次逼近能力;通过改进的CSA算法对ESN神经网络输出层连接权值矩阵进行优化以提高网络的训练效率。最后利用两组实验数据对预测模型进行了有效性验证,结果表明,所提算法能有效应对风电功率时序的随机性和不确定性特征,具有更高的建模精度和更快的收敛速度。

引用

页码：58 / 64

页数：7

共 15 条

[1]

基于WRF模式和PSO-LSSVM的风电场短期风速订正 [J].

叶小岭 ;

顾荣 ;

邓华 ;

陈浩 ;

杨星 .

电力系统保护与控制, 2017, 45 (22) :48-54

[2]

基于AMD-ICSA-SVM的超短期风电功率组合预测 [J].

李燕青 ;

袁燕舞 ;

郭通 .

电力系统保护与控制, 2017, 45 (14) :113-120

[3]

结合HS算法与ESN算法的光伏发电短期出力预测 [J].

温润 ;

谭丽 .

计算机科学, 2017, 44 (06) :226-231+265

[4]

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

[5]

Short-term wind power forecasting using hybrid method based on enhanced boosting algorithm.[J].Yu JIANG;Xingying CHEN;Kun YU;Yingchen LIAO;.Journal of Modern Power Systems and Clean Energy.2017, 01

[6]

混合Levy变异与混沌变异的改进人工鱼群算法 [J].