10.3969/j.issn.1007-3175.2019.02.002
基于PSO-ICA-BP神经网络的短期风电功率预测
针对传统的BP神经网络对短期风电功率预测精度不高的缺点,提出粒子群算法改进帝国竞争算法(PSO-ICA),通过PSO算法改进殖民地同化操作提高ICA算法的全局寻优能力,输出全局最优解作为BP神经网络初始权值阈值.同时用主成分分析法降维压缩输入数据,提高网络泛化能力.利用PSO-ICA-BP预测模型对某风电场实际风电功率数据进行预测,仿真结果表明该模型预测误差更小,对短期风电功率预测更有效.
帝国竞争算法、粒子群算法、BP神经网络、风电功率预测
TM614;TM715(发电、发电厂)
国家自然科学基金项目51167015
2019-04-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
7-11