ACPSO-WFLN算法在短期风电功率预测中的应用

论文摘要

针对传统小波神经网络初始参数设定困难、容易陷入局部极值的问题,提出一种基于自适应混沌粒子群算法（ACPSO）优化的小波链神经网络（WFLN）。首先,将小波神经网络与随机矢量函数连接网络相融合,构建小波链神经网络,加强网络并行运算能力;其次,在粒子群算法中引入混沌优化因子与自适应权重系数,改善粒子群的早熟收敛问题,实现全局与局部寻优能力的动态平衡;最后,利用ACPSO算法优化WFLN神经网络,建立短期风电功率预测模型。实验结果表明:ACPSO-WFLN风电功率预测模型较其它网络明显减少隐层神经元数目与迭代步数,具有较高的预测精度。

论文目录

• 0 引言
• 1 小波链接型神经网络
• 2 ACPSO-WFLN预测模型建立
•   2.1 自适应混沌粒子群算法
•   2.2 ACPSO-WFLN算法流程设计
• 3 实验与分析
•   3.1 数据处理
•   3.2 预测模型建立与分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 杨春霞,王耀力

关键词: 短期风电功率预测,小波链神经网络,粒子群优化算法,自适应混沌粒子群算法

来源: 电测与仪表 2019年13期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 太原理工大学信息与计算机学院

基金: 全国工程专业学位研究生教育指导委员会立项项目(2016-ZX-095)

分类号: TM614

DOI: 10.19753/j.issn1001-1390.2019.013.013

页码: 76-80

总页数: 5

文件大小: 1017K

下载量: 177