基于离散Hopfield模式识别样本的GRNN非线性组合短期风速预测模型

发布时间：2017-07-21 04:18

  本文关键词：基于离散Hopfield模式识别样本的GRNN非线性组合短期风速预测模型

  更多相关文章： 风电 二维小波阈值去噪方法 离散Hopfield 模式识别 广义回归神经网络 非线性组合预测 模型 去噪 支持向量机 神经网络 预测

【摘要】：利用实时风速数据,建立基于离散Hopfield模式识别样本的广义回归神经网络(GRNN)非线性组合预测模型。在风速数据样本集经二维小波阈值去噪处理后,基于离散Hopfield识别历史数据中与待预测样本最相似的数据,并作为训练样本;将支持向量机、BP神经网络和Elman神经网络分别进行单项预测的结果作为输入向量,经GRNN进行非线性组合预测。采用某风电场的实际风速数据进行预测,结果验证了该预测模型的正确性和有效性。
【作者单位】： 华北电力大学新能源电力系统国家重点实验室;
【关键词】： 风电 二维小波阈值去噪方法 离散Hopfield 模式识别 广义回归神经网络 非线性组合预测 模型 去噪 支持向量机 神经网络 预测
【基金】：国家自然科学基金资助项目(51177047) 中央高校基本科研业务费专项资金资助项目(12MS107)~~
【分类号】：TM614
【正文快照】： 0引言近年来,风力发电已成为国际上公认的技术最成熟、开发成本最低、最具发展前景的可再生能源之一。许多国家把风电作为改善能源结构、应对气候变化的重要选择[1-2]。随着风力发电技术的不断发展,风电在电力需求中所占比例越来越大。但由于风电出力的随机性、波动性和间歇性

【参考文献】

中国期刊全文数据库 前9条

1 邵t，

本文编号：571407