基于PSO-ICA-BP神经网络的短期风电功率预测

论文摘要

针对传统的BP神经网络对短期风电功率预测精度不高的缺点,提出粒子群算法改进帝国竞争算法（PSO-ICA）,通过PSO算法改进殖民地同化操作提高ICA算法的全局寻优能力,输出全局最优解作为BP神经网络初始权值阈值。同时用主成分分析法降维压缩输入数据,提高网络泛化能力。利用PSO-ICA-BP预测模型对某风电场实际风电功率数据进行预测,仿真结果表明该模型预测误差更小,对短期风电功率预测更有效。

论文目录

• 0 引言
• 1 PSO改进ICA算法概述
•   1.1 ICA算法
•   1.2 PSO算法
•   1.3 PSO改进ICA算法
• 2 PSO-ICA-BP神经网络预测模型研究
•   2.1 BP神经网络
•   2.2 主成分分析法
•   2.3 PSO-ICA-BP神经网络预测模型
• 3 仿真验证
• 4 结语

文章来源

类型: 期刊论文

作者: 王帅哲,王金梅,王永奇,马文涛

关键词: 帝国竞争算法,粒子群算法,神经网络,风电功率预测

来源: 电工电气 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 宁夏大学物理与电子电气工程学院,宁夏沙漠信息智能感知自治区重点实验室

基金: 国家自然科学基金项目(51167015)

分类号: TM614;TP18

页码: 7-11

总页数: 5

文件大小: 634K

下载量: 196