基于PSO-WNN模型的超短期风速预测及其误差校正

论文摘要

小波神经网络（wavelet neural network,WNN）具有多分辨率局部时频特性,在风速预测中得到了广泛应用,但模型参数的优化选择是一难点,为此提出一种基于PSO（粒子群算法）-WNN的超短期风速预测模型。引入粒子位置变化量与二阶振荡环节改进粒子群算法,以平衡粒子群的全局搜索能力和局部改良能力;采用改进的粒子群算法优化WNN模型参数,进而对风速进行超短期预测;为进一步减小预测误差,分析风速预测的模型误差及其相关因素,并采用一阶线性回归法进行误差校正。算例表明,所提PSO-WNN预测模型及误差校正措施能够有效提高风速预测模型的泛化性能和预测精度。

论文目录

• 1 PSO-WNN模型
•   1.1 小波神经网络
•   1.2 PSO-WNN参数优化算法
•     1.2.1 基本粒子群算法
•     1.2.2 二阶振荡粒子群算法
•     1.2.3 PSO-WNN参数优化步骤
• 2 超短期风速预测及误差分析
•   2.1 超短期风速预测
•   2.2 误差分析
• 3 算例仿真分析及模型误差校正
•   3.1 算例分析
•   3.2 模型误差校正
• 4 结论

文章来源

类型: 期刊论文

作者: 丁方莉,周松林,杨洪深

关键词: 二阶振荡粒子群优化算法,小波神经网络,一阶线性回归,误差校正

来源: 安徽工业大学学报(自然科学版) 2019年04期

年度: 2019

分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 铜陵学院电气工程学院

基金: 安徽省高校自然科学研究重点项目(KJ2018A0483)

分类号: TP18;TM614

页码: 360-366

总页数: 7

文件大小: 1485K

下载量: 73