基于流形算法与RBF网络的超短期风速预测

发布时间：2018-03-16 08:10

  本文选题：超短期风速预测　切入点：模型结构选择　出处：《计算机工程》2017年11期 　论文类型：期刊论文

【摘要】：传统的风速预测方法往往通过经验来确定模型结构,未考虑输入变量选取、系统的动态特性等问题,导致系统在不同时间尺度下的动态特性没有得以充分反映,降低模型的推广泛化能力。针对上述问题,提出一种基于流形算法和RBF网络相结合的方法,通过模型结构设计和本质特征提取等方法,增加模型预测结果的稳定性和鲁棒性,以提高模型的推广能力。以华东某风电场数据进行实验分析,结果表明,与传统风速预测方法相比,该模型结构选择方法可提高模型计算效率,降低样本复杂度,能够得到更好的预测效果。
[Abstract]:The traditional wind speed prediction method often determines the model structure by experience, and does not consider the selection of input variables, the dynamic characteristics of the system, and so on, resulting in the dynamic characteristics of the system under different time scales can not be fully reflected. To reduce the generalization ability of the model, a method based on manifold algorithm and RBF network is proposed to improve the stability and robustness of the prediction results. In order to improve the generalization ability of the model, the experimental results of a wind farm in East China show that compared with the traditional wind speed prediction method, the model structure selection method can improve the computational efficiency of the model and reduce the complexity of the sample. Better prediction results can be obtained.
【作者单位】： 国家电网浙江省电力公司电力科学研究院;中国电力科学研究院;东南大学自动化学院;
【分类号】：TM614;TP18

【相似文献】

中国期刊全文数据库 前10条

1 张毅;姜思博;李铮;;改进的遗传灰色RBF模型的短期电力负荷预测[J];电测与仪表;2014年05期

2 胡迎松,陈明,范志明;一种电力系统短期负荷预测的RBF优化算法[J];华中科技大学学报(城市科学版);2003年03期

3 苗青,曹广益,朱新坚;基于一种改进的RBF神经网络的直接甲醇燃料电池建模[J];系统仿真学报;2005年02期

4 郭金伟;周渝慧;;基于RBF改进模型的电力系统短期负荷预测[J];电力信息化;2007年07期

5 杨胡萍;白慧;刘家学;张力;;基于改进RBF神经网络的电力系统短期负荷预测[J];东华大学学报(自然科学版);2008年02期

6 郭伟伟;刘家学;马云龙;李书琰;;基于改进RBF网络算法的电力系统短期负荷预测[J];电力系统保护与控制;2008年23期

7 张晓亮;;一种改进的RBF网络在电力系统短期负荷预测中的应用[J];煤矿机电;2008年03期

8 李强;田大林;夏迎迎;付炜;王亦飞;于遵宏;;新型两段组合式气化产气热值的RBF神经网络预测模型及遗传算法优化[J];计算机与应用化学;2008年10期

9 夏长亮;李志强;王明超;刘均华;;基于RBF神经网络在线辨识的永磁无刷直流电机单神经元PID模型参考自适应控制[J];电工技术学报;2005年11期

10 曹安照;田丽;;基于RBF神经网络的短期电力负荷预测[J];电子科技大学学报;2006年04期

中国重要会议论文全文数据库 前2条

1 蒋劲;谭少华;符向前;陶志建;;基于径向基函数(RBF)网络的大型水轮发电机故障诊断[A];全国水电厂技术改造学习交流研讨会论文集[C];2005年

2 刘伟;王科俊;姚杰;;基于RBF神经网络采用混合粒子群优化的电力负荷短期预测[A];2007年中国智能自动化会议论文集[C];2007年

中国硕士学位论文全文数据库 前3条

1 李志强;基于RBF神经网络在线辨识的永磁无刷直流电机单神经元自适应PID控制[D];天津大学;2005年

2 王聪;基于RBF神经网络与模糊控制的电力系统短期负荷预测[D];华北电力大学（河北）;2005年

3 李琳;基于RBF神经网络无刷直流电机控制系统的基础研究[D];安徽理工大学;2015年

，

本文编号：1619052