电网技术

2015, v.39;No.381(08) 2160-2166

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于混沌时间序列GA-VNN模型的超短期风功率多步预测
Super-Short-Term Multi-Step Prediction of Wind Power Based on GA-VNN Model of Chaotic Time Series

江岳春;张丙江;邢方方;张雨;王志刚;

摘要(Abstract):

随着风电在电力系统中的渗透水平不断提高,能准确、可靠地进行风功率预测至关重要。为提高风功率超短期预测精度,利用风功率时间序列的混沌特性,推导分析了Volterra泛函模型和3层前馈(back propagation,BP)神经网络在结构上的一致性,提出混沌时间序列遗传算法-Volterra神经网络(genetic algorithm-Volterra neural network,GA-VNN)模型,对超短期风功率进行多步预测。该模型将实用的Volterra泛函模型和BP神经网络结合起来,解决了求解Volterra泛函模型高阶核函数的问题。同时设计了一种混沌时间序列GA-VNN模型的学习算法,在算法中利用GA全局寻优能力来优化BP神经网络,获得最优的初始权值和阀值。将上述方法应用于某风电场风功率超短期多步预测中,结果验证了所提模型的多步预测性能明显优于Volterra预测滤波器和BP神经网络。

关键词(KeyWords): 混沌时间序列;BP神经网络;GA算法;Volterra泛函模型;风功率超短期多步预测

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(51277057);; 科技部技术创新项目(12C26214305038)~~

作者(Author): 江岳春;张丙江;邢方方;张雨;王志刚;

Email:

DOI: 10.13335/j.1000-3673.pst.2015.08.015

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享