基于改进OLS-RBF神经网络模型的短期风电场出力预测

摘要：

介绍了基于正交最小二乘(OLS)方法构造径向基函数(RBF)神经网络模型的基本思想,分析了传统OLS-RBF模型对基函数宽度初值的敏感性.采用梯度下降法调整和确定基函数宽度初值,有效降低其对网络的影响.以风电场的风速和环境温度作为预测输入,分别采用改进模型与传统模型对福建某沿海风电场的短期出力进行了预测,研究结果表明,改进的OLS-RBF模型预测结果更加准确,精度较高.

关键词：短期风电出力预测、改进OLS-RBF神经网络、梯度下降法、风电、预测、神经网络、模型

所属期刊栏目：32

分类号：TM614(发电、发电厂)

资助基金：福建省青年科技人才创新项目2011J05124;福建省教育厅A类项目JA08024

在线出版日期：2013-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：40-43,59