10.16628/j.cnki.2095-8188.2019.11.005
基于变分模态分解和改进鲸鱼算法优化的神经网络风速预测模型
风速预测在风电场安全并网和智能化管理中起着决定性作用,针对风速的非线性和不稳定等特点,提出一种基于变分模态分解和改进鲸鱼算法优化的模糊神经网络(VMD-CGWOA-ANFIS)的混合预测模型.该模型首先使用变分模态分解(VMD)技术将原始风速序列分解为一系列子序列,对各子序列分别采用模糊神经网络(ANFIS)建立预测模型.为进一步提高预测精度,克服鲸鱼(WOA)算法容易陷入局部最优和收敛过早的缺点,引入共轭梯度算法(CG)对WOA进行改进,利用改进的CGWOA算法对ANFIS参数进行优化.使用优化后的ANFIS分别对VMD分解后的各子序列进行预测,最后将预测后各子序列叠加得到最终预测结果.为测试模型的有效性,选择宁夏地区三组实际风电数据进行模拟试验,将ANFIS、VMD-ANFIS、VMD-WOA-ANFIS与提出模型进行对比,结果表明,所提出的混合模型预测精确度明显高于其他对比模型.
鲸鱼算法、共轭梯度算法、改进鲸鱼算法、变分模态分解、自适应模糊神经系统、风速预测
TM614(发电、发电厂)
中央高校基本科研专项资金-优秀研究生创新项目lzujbky-2017-it19
2019-08-27（万方平台首次上网日期，不代表论文的发表时间）
共8页
24-31
