基于自然进化策略的可再生能源ELM预测两阶段优化训练方法
随着中国"双碳"目标的提出和可再生能源接入比例的不断提高,其精确预测对提高新能源消纳水平和电网稳定性以及降低系统规划运行成本具有重要意义.为此,提出了基于自然进化策略(NES)的极限学习机(ELM)网络参数两阶段优化训练方法及可再生能源功率预测改进模型.在第1阶段,使用ELM随机参数和广义矩阵逆运算过程训练模型网络参数.ELM训练过程具有随机性且矩阵逆运算过程缺少对参数的微调,导致模型虽然训练速度较快,但在精度上有所欠缺.因此,第2阶段在原有模型训练结果的基础上引入输出层偏移和自适应的NES算法,对网络参数进行二次优化调整.结果表明,该两阶段优化算法能够有效地提高模型预测精度.
可再生能源、功率预测、极限学习机、自然进化策略、两阶段训练
46
TM732;TM614;TP391.9
国家自然科学基金;江苏省自然科学基金资助项目
2022-10-31(万方平台首次上网日期,不代表论文的发表时间)
共9页
83-91