改进型T-S模糊神经网络风电功率预测模型的研究

被引：9

作者：

张维杰 ^{[1
]}

田建艳 ^{[1
,2
]}

王芳 ^{[1
,2
]}

张晓明 ^{[1
]}

韩肖清 ^{[3
]}

王鹏 ^{[3
]}

机构：

[1] 太原理工大学信息工程学院

[2] 新型传感器与智能控制教育部与山西省重点实验室

[3] 太原理工大学电气与动力工程学院

来源：

自动化仪表 | 2014年 / 35卷 / 12期

关键词：

风电功率预测; 改进型T-S模糊神经网络; 椭圆基函数; 模糊C-均值聚类; 惯性项;

D O I：

10.16086/j.cnki.issn1000-0380.2014.12.010

中图分类号：

TM614 [风能发电]; TP183 [人工神经网络与计算];

学科分类号：

0807 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了提高风电功率的预测精度,在分析其主要影响因素的基础上,针对T-S模糊神经网络收敛速度慢、计算量大等缺点,提出了一种改进型T-S模糊神经网络风电功率预测模型。首先采用椭圆基函数作为隶属函数,扩展其接收域;其次利用模糊C-均值聚类确定其中心值;然后引入惯性项加快网络的收敛速度;最后分别对四季短期风电功率进行预测。仿真结果表明,改进型T-S模糊神经网络有效地提高了短期风电功率的预测精度,具有一定的实用价值。

引用

页码：39 / 42

页数：4

共 15 条

[1] 短期风电功率预测误差分布研究 [J].