基于粒子群优化的核极限学习机模型的风电功率区间预测方法

发布时间：2019-09-02 14:12

【摘要】：风电功率预测能为电网规划和运行提供重要依据,传统预测方法多为点预测,其结果一般有不同程度的误差,区间预测方法能有效描述风电输出功率的不确定性因而逐步受到重视。针对短期风电功率概率区间预测问题,提出一种基于粒子群优化的核极限学习机(PSO-KELM)模型,用于风电功率区间预测。通过核极限学习机(KELM)建立预测模型,采用粒子群算法对KELM的输出权值进行优化,寻找最优预测区间上下限,充分利用了KELM学习速度快、泛化能力强的优点,实现了对风电功率的快速区间预测。通过与PSO-ELM模型对比分析风电场在不同置信水平下的概率预测结果,发现PSO-KELM模型的预测精度更高,速度更快,能够为风电功率区间预测及风电并网安全稳定运行提供决策支持。
【作者单位】： 华北电力大学;
【基金】：国家自然科学基金(51207049) 北京市自然科学基金(4132061) 中央高校基本科研业务费专项基金(13MS25)~~
【分类号】：TM614

【参考文献】

相关期刊论文 前9条

1 王彩霞;鲁宗相;乔颖;闵勇;周双喜;;基于非参数回归模型的短期风电功率预测[J];电力系统自动化;2010年16期

2 李智;韩学山;杨明;钟世民;;基于分位点回归的风电功率波动区间分析[J];电力系统自动化;2011年03期

3 王晓兰;王明伟;;基于小波分解和最小二乘支持向量机的短期风速预测[J];电网技术;2010年01期

4 李俊芳;张步涵;谢光龙;李妍;毛承雄;;基于灰色模型的风速-风电功率预测研究[J];电力系统保护与控制;2010年19期

5 张翌晖;王贺;胡志坚;王凯;黄东山;宁文辉;张承学;;基于集合经验模态分解和改进极限学习机的短期风速组合预测研究[J];电力系统保护与控制;2014年10期

6 孙建波;吴小珊;张步涵;;基于非参数核密度估计的风电功率区间预测[J];水电能源科学;2013年09期

7 杨秀媛,肖洋,陈树勇;风电场风速和发电功率预测研究[J];中国电机工程学报;2005年11期

8 范高锋;王伟胜;刘纯;戴慧珠;;基于人工神经网络的风电功率预测[J];中国电机工程学报;2008年34期

9 章国勇;伍永刚;张洋;代贤良;;一种风电功率混沌时间序列概率区间简易预测模型[J];物理学报;2014年13期

【共引文献】

相关期刊论文 前10条

1 储茂得;周松林;;基于小波分析与神经网络的风电场短期风速预测[J];安徽科技学院学报;2011年01期

2 王慧勤;;基于支持向量机的短期风速预测研究[J];宝鸡文理学院学报(自然科学版);2009年01期

3 严干贵;李鸿博;穆钢;崔杨;刘玉;;基于等效风速的风电场等值建模[J];东北电力大学学报;2011年03期

4 刘金龙;李国庆;王振浩;辛业春;;超级电容器储能系统在风电场中的应用研究[J];东北电力大学学报;2011年04期

5 江岳文;陈冲;温步瀛;;基于随机模拟粒子群算法的含风电场电力系统经济调度[J];电工电能新技术;2007年03期

6 陈德生;李培强;李欣然;邓威;肖园园;刘乾勇;;基于小波变换的短期风速预测综合模型[J];电工电能新技术;2012年03期

7 潘文霞;范永威;朱莉;高阿龙;;风电场中抽水蓄能系统容量的优化选择[J];电工技术学报;2008年03期

8 冬雷;王丽婕;高爽;廖晓钟;;基于混沌时间序列的大型风电场发电功率预测建模与研究[J];电工技术学报;2008年12期

9 江岳文;陈冲;温步瀛;;含风电场的电力系统机组组合问题随机模拟粒子群算法[J];电工技术学报;2009年06期

10 刘兴杰;米增强;杨奇逊;樊小伟;;一种基于EMD的短期风速多步预测方法[J];电工技术学报;2010年04期

相关会议论文 前10条

1 王增新;苏适;田沛;;光伏发电预测技术的应用[A];2011年云南电力技术论坛论文集（入选部分）[C];2011年

2 朱锋;周玮;孙辉;;基于相似日聚类的径向基神经网络风速预测方法[A];中国可再生能源学会海洋能专业委员会成立大会暨第一届学术讨论会论文集[C];2008年

3 邵t，

本文编号：2530976