短期风速的Adaboost＿GRNN组合预测模型

论文摘要

对风电场风速进行准确预测对于风能的开发利用具有重要意义。为了克服单一预测方法的局限性并进一步提高预测精度,提出了基于Adaboost算法和广义回归神经网络的短期风速组合预测方法。首先,分别采用时间序列法、支持向量机法和神经网络法建立3种风速预测模型;其次,采用广义回归神经网络将这3种单一模型的预测值进行非线性组合;最后,利用Adaboost算法集成多个广义回归神经网络的输出并将其作为高精度的风速预测值。算例测试结果表明,所提组合方法的预测精度高于各个单一模型以及熵权法组合模型和广义回归神经网络组合模型的预测精度。

论文目录

• 1 单一风速预测方法
•   1.1 时间序列法
•   1.2 支持向量机法
•   1.3 神经网络法
• 2 熵权法组合预测方法
• 3 基于Adaboost＿GRNN的组合预测方法
•   3.1 GRNN简介
•   3.2 方法步骤说明
• 4 实验数据
• 5 实验结果与分析
•   5.1 预测模型误差评价指标
•   5.2 单一预测模型结果及对比分析
•   5.3 组合预测模型结果及对比分析
• 6 结语

文章来源

类型: 期刊论文

作者: 芦婧,曾明

关键词: 风电场,短期风速预测,算法,广义回归神经网络,组合预测模型

来源: 电力系统及其自动化学报 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 太原工业学院自动化系,天津大学电气自动化与信息工程学院

基金: 国家自然科学基金资助项目(61271321,61573253),天津市科技支撑计划重点资助项目(14ZCZDS F00025),太原工业学院科学基金资助项目(2018LG04)

分类号: TM614

DOI: 10.19635/j.cnki.csu-epsa.000198

页码: 70-76

总页数: 7

文件大小: 927K

下载量: 438