一种风电功率概率区间多目标智能优化预测方法

发布时间：2018-04-11 22:28

  本文选题：风电功率 + 小波神经网络　； 参考：《电网技术》2016年08期

【摘要】：风电的间歇性和不确定性给大规模风电并网带来了挑战,风电功率的单点预测已很难满足电网安全稳定运行的需求。提出了一种基于小波神经网络的风电功率区间预测多目标优化模型,改进了基本多目标人工蜂群算法的概率选择作用和约束删减策略,以优化小波神经网络的伸缩因子、平移因子和权值解决了区间预测单目标优化模型下惩罚系数的不合理选择问题,提高了风电功率区间预测可靠性。通过分析与单目标优化方法、传统多目标优化方法下区间预测指标的对比结果,表明所构建的多目标智能优化模型对风电功率区间预测具有更优越的性能,可为电网调度提供决策依据。
[Abstract]:The intermittent and uncertainty of wind power brings challenges to large-scale wind power grid connection, and the single-point prediction of wind power is difficult to meet the demand of safe and stable operation of power grid.A multi-objective optimization model for wind power interval prediction based on wavelet neural network is proposed. The probability selection function and constraint deletion strategy of the basic multi-objective artificial bee colony algorithm are improved to optimize the scaling factor of the wavelet neural network.The translation factor and the weight value solve the problem of the unreasonable choice of the penalty coefficient under the single-objective optimization model of interval prediction and improve the reliability of interval prediction of wind power.By analyzing and comparing with the single objective optimization method and the traditional multi-objective optimization method, the results show that the multi-objective intelligent optimization model has better performance for wind power interval prediction.It can provide decision basis for power grid dispatching.
【作者单位】： 江南大学电气自动化研究所;
【基金】：国家自然科学基金项目(61573167;61572237) 高等学校博士学科点专项科研基金(20130093110011)~~
【分类号】：TM614

【相似文献】

相关期刊论文 前10条

1 黄永红;徐勇;;基于小波神经网络的某边坡预测研究[J];测绘工程;2012年02期

2 祖哲;毕贵红;刘力;郝娟;;基于小波神经网络的电力系统短期负荷预测模型研究[J];计算机技术与发展;2012年10期

3 霍禹同;;基于小波神经网络的电机自动控制研究[J];信息与电脑(理论版);2013年09期

4 江亚东,丁丽萍,夏克俭,李恪,陈因颀;基于小波神经网络的混沌模式提取[J];北京科技大学学报;2001年05期

5 陈农,贾区耀;用自适应小波神经网络辨识动态实验数据[J];飞行力学;2001年01期

6 张增芳,陈瑞中,齐保谦,陆英北;基于小波神经网络的心电数据压缩研究[J];广西工学院学报;2002年01期

7 任少龙,钟秋海,严承华;小波神经网络在装备研制费预测与控制中的应用[J];海军工程大学学报;2002年05期

8 董杰,马壮,吴云,李嘉林;遗传小波神经网络在飞机加油管路设计中的应用[J];机械科学与技术;2002年S1期

9 赵学智,邹春华,陈统坚,叶邦彦,彭永红;小波神经网络的参数初始化研究[J];华南理工大学学报(自然科学版);2003年02期

10 杨春玲,杨茂华,胡艳,戴景民;小波神经网络在多波长辐射测温中的应用[J];计量学报;2003年04期

相关会议论文 前10条

1 胡博;陶文华;崔博;白一彤;尹旭;;基于小波神经网络的异步电机故障诊断[A];2009中国控制与决策会议论文集（2）[C];2009年

2 何正友;钱清泉;;一种改进小波神经网络模型在电力故障信号识别中的应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

3 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];节能减排 绿色制造 智能制造——低碳经济下高技术制造产业与智能制造发展论坛论文集[C];2010年

4 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年

5 谢建宏;张为公;;复合材料疲劳剩余寿命预测的动态小波神经网络方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 陈建秋;张新政;;基于小波神经网络的水质预测应用研究[A];2006中国控制与决策学术年会论文集[C];2006年

7 孙正贵;;小波神经网络的高效学习算法及应用研究[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

8 黄敏;朱启兵;崔宝同;;基于小波神经网络的轧机特性回归[A];2007中国控制与决策学术年会论文集[C];2007年

9 周绍磊;张文广;李新;;一种基于改进遗传算法的小波神经网络[A];2007年中国智能自动化会议论文集[C];2007年

10 杜青;刘剑飞;刘娟;乔延华;;基于小波神经网络的模拟调制信号自动识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（下册）[C];2007年

相关博士学位论文 前10条

1 侯霞;小波神经网络若干关键问题研究[D];南京航空航天大学;2006年

2 章文俊;小波神经网络算法及其船舶运动控制应用研究[D];大连海事大学;2014年

3 高协平;小波参数化与小波神经网络研究[D];湖南大学;2003年

4 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年

5 李永红;广义小波神经网络实现雷达相关滤波的研究[D];大连海事大学;2000年

6 银俊成;量子信道与量子小波神经网络相关问题研究[D];陕西师范大学;2013年

7 李文军;多小波和小波神经网络构造及其在电弧故障诊断中的应用研究[D];吉林大学;2008年

8 刘守生;遗传算法与小波神经网络中若干问题的研究[D];南京航空航天大学;2005年

9 黄同成;基于小波神经网络理论的VOCR与HOCR技术研究[D];上海大学;2008年

10 蔡振禹;基于粗集—小波神经网络的煤炭企业管理研究[D];天津大学;2007年

相关硕士学位论文 前10条

1 张清华;小波神经网络参数优化及其应用[D];东北农业大学;2009年

2 王建双;基于小波神经网络控制器设计与研究[D];哈尔滨理工大学;2009年

3 张蓉晖;小波神经网络及其在模拟电路诊断中的应用[D];华中科技大学;2008年

4 吴曦;基于随机小波神经网络的一类随机过程的逼近[D];西北工业大学;2001年

5 王勇;基于小波神经网络的模拟电路故障诊断的研究[D];内蒙古工业大学;2006年

6 孙新强;基于小波神经网络的板料冲压回弹研究[D];西南交通大学;2015年

7 但立;基于小波神经网络的地面三维激光扫描点云数据的滑坡监测研究[D];长安大学;2015年

8 葛小川;基于小波神经网络的某坦克炮平衡与定位控制[D];南京理工大学;2015年

9 蔡崇国;小波分析在大功率交流伺服系统中的应用研究[D];南京理工大学;2015年

10 卢金长;数据挖掘技术在上证指数预测中的应用研究[D];云南财经大学;2015年

，

本文编号：1737924