基于多模型组合优化算法的风速预测方法研究.pdf

基于多模型组合优化算法的风速预测方法研究.pdf

ID:52479173

大小:312.70 KB

页数:5页

时间:2020-03-28

基于多模型组合优化算法的风速预测方法研究.pdf_第1页
基于多模型组合优化算法的风速预测方法研究.pdf_第2页
基于多模型组合优化算法的风速预测方法研究.pdf_第3页
基于多模型组合优化算法的风速预测方法研究.pdf_第4页
基于多模型组合优化算法的风速预测方法研究.pdf_第5页
资源描述:

《基于多模型组合优化算法的风速预测方法研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第3O卷第3期电力科学与技术学报Vo1.30No.32015年9月J0URNALOFEIECTRICPOWERSCIENCEANDTECHNOLOGYSep.2015基于多模型组合优化算法的风速预测方法研究师楠,周苏荃,李一丹。(1.哈尔滨工业大学电气工程及自动化学院,黑龙江哈尔滨150006;2.黑龙江科技大学工程训练与基础实验中心黑龙江哈尔滨150022)摘要:风速的随机性和波动性较强,单一算法预测模型的精度不高。为此,提出基于蚁群优化算法的灰色模型和遗传神经网络算法相结合的预测方法;给出改进灰色模型,并利用蚁群算法的全局寻优能力,以残差平方和最

2、小为原则,对改进灰色模型的权值进行优化,实现了对风速的预测。为进一步提高精度,把蚁群优化灰色模型的结果作为遗传神经网络算法的输入,实测风速数据作为遗传神经网络算法的输出,对网络进行训练,进一步减小了风速预测的偏差。预测结果与风电场实测数据的对比分析验证了多算法结合的预测方法的准确性和有效性。关键词:风速预测;灰色模型;蚁群算法;遗传神经网络中图分类号:TM614文献标识码:A文章编号:1673—9140(2015)03—0061—05Windspeedforecastingmethodwithmultimodeloptimizationalgorit

3、hmSHINan~,ZHOUSu—quan,LIYi—dan(1.School0fElectricalEngineeringandAutomation,HarbinInstituteofTechnology,Harbin150006,China;2.EngineeringTrainingandBasicExperimentalCenter,HeilongjiangUniversityofScienceandTechnology,Harbin150022,China)Abstract:Windspeediswithstrongrandomnessand

4、volatility,andthesinglealgorithmmodelofwindforecastingiswithlowaccuracy.Toimprovetheforecastingprecisionofwindspeed,anewwindspeedforecastingmethodwasproposedinthispaper,itcombinedthegraymodel,theantcolonyoptimizationalgorithmandthegeneticneuralnetwork.Theimprovedgreymodelwasgiv

5、—en.Usingtheglobaloptimizationabilityofantcolonyalgorithm,theweightsofimprovedgreymode1waSoptimizedwiththeleastsquarescriterion,andtheforecastofwindspeedcouldbethusrealized.Inordertofurtherimprovetheforecastingprecision,geneticneuralnetworkwastrainedtofurtherreduceerrors,theres

6、ultsofgraymodelwithantcolonyoptimizationwastakenastheinputsofthegeneticneuralnetwork,andthemeasuredwindspeeddatawastakenastheoutput.Thecomparativeanalysisofforecastingresultsandfieldtestingresultsinacertainwindfarmshowedthattheforecastingmethodwaswithhighaccuracyandeffectivenes

7、s.Keywords:windspeedforecasting;greymodel;antcolonyalgorithm;geneticneuralnetwork收稿日期:2015—03—31基金项目:黑龙江省教育厅科学技术研究项目(12543053);黑龙江省自然科学基金(E201412)通讯作者:师楠(1982一),女,讲师,博士研究生,主要从事可再生能源与电网调度等研究;E—mail:snhit@sina.cn62电力科学与技术学报近年来,随着风力发电在全球范围内的推广,对风电预测准确性的要求也越来越迫切。例如有相关1改进等维信息灰色预测模型调

8、查结果显示,若短期风速预测的精度提高几个百分点,美国的电力市场年平均发电量可提高数十兆1.1GM(1,1)模

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。