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

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.

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

所属期刊栏目：35

分类号：TM73;TM614(输配电工程、电力网及电力系统)

资助基金：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12MS107Project supported by the National Natural Science Foundation of China51177047 and the Fundamental Research Funds for the Central Universities12MS107

在线出版日期：2015-09-14（万方平台首次上网日期，不代表论文的发表时间）

页码：131-136