10.3969/j.issn.1673-629X.2017.06.027
基于迟滞ELM模型的短期风速预测
为了应对能源危机,许多国家开始大力发展最有发展前景之一的风能,而风速预测是进行风电场出力预测的前提条件.目前常用的风速预测方法没有得到很高的预测精度以及预测时间.为了改善风速时间序列的预测精度和预测时间,提出了一种基于迟滞极速学习机(Extreme Learning Machine)模型的风速预测方法.ELM算法是一种新型神经网络,计算效率高,性能优越,能避免局部最小化.通过改变神经元激励函数的方式将迟滞特性引入神经网络中,以增强历史输入对当前响应的影响,从而提高有用信息的利用率,提高风速时间序列的预测性能.仿真结果表明,与ELM模型等方法相比,迟滞ELM模型能够有效减小风速时间序列的预测误差,提高了预测精度以及减少了预测时间.
极速学习机、迟滞、风速预测、机器学习
27
TP391(计算技术、计算机技术)
上海市自然科学基金资助项目14ZR1400700
2017-07-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
130-135,141