10.16628/j.cnki.2095-8188.2022.03.006
基于粒子群算法改进极限学习机的风电功率短期预测
风速、风向的随机性导致风电场功率具有很大波动,对风电功率的精确预测在提高电网运行能力,增强电网接收风电能力和适时安排风电场检修计划等方面提供重要依据.提出了一种粒子群优化核极限学习机(PSO-KELM)算法;对风电机组SCADA数据进行预处理,补充和纠正异常数据;针对极限学习机的复共线性问题提出基于核函数的改进极限学习机,避免了极限学习机输出结果的随机性;采用粒子群优化算法对KELM核函数中的惩罚因子和径向参数值进行优化,建立了基于粒子群优化的极限学习机模型.与BPNN与RBFNN等其他方法相比,真实风电场数据验证了该模型的预测精度.
风电功率预测、粒子群优化、核极限学习机、径向基函数神经网络
TM614(发电、发电厂)
辽宁省兴辽英才计划项目XLYC2008005
2022-05-05（万方平台首次上网日期，不代表论文的发表时间）
共7页
39-44,76
