| 基于PSO-KELM的风功率预测研究* |
| |
| 引用本文： | 赵鹏,涂菁菁,杨锡运.基于PSO-KELM的风功率预测研究*[J].电测与仪表,2020,57(11):24-29. |
| |
| 作者姓名： | 赵鹏 涂菁菁 杨锡运 |
| |
| 作者单位： | 中国能源建设集团投资有限公司,中国能源建设集团投资有限公司,华北电力大学 北京 |
| |
| 基金项目： | 国家科学自然基金（51677067） |
| |
| 摘 要： | 风功率预测能够为电网规划设计提供一项重要依据,因而研究如何精准进行风功率预测对保证电网的安全稳定运行具有重要意义。针对正则化系数C和核参数λ作为模型参数,对核极限学习机预测模型精度产生影响的问题,提出了运用PSO对核极限学习机进行参数优化的PSO-KELM预测方法。将正则化系数C和核参数λ作为优化对象,利用PSO方法对参数共同优化,建立PSO-KELM风功率预测模型。对3组实测数据进行了实验研究,引入均方根误差、平均绝对误差和相对标准差作为评价指标,结果显示该方法预测误差好于直接应用KELM方法,并进一步将结果与常用的SVM以及PSO-SVM方法进行了比较。结果表明,PSO-KELM方法具有更好的预测精度和稳定性,能够作为提高风功率预测准确性以及风电并网安全性方面的一种科学有效的参考。
|
| 关 键 词： | 风功率预测 粒子群算法 核极限学习机 均方根误差 平均绝对误差 相对标准差 |
| 收稿时间： | 2020/3/16 0:00:00 |
| 修稿时间： | 2020/4/14 0:00:00 |
Wind power prediction based on particle swarm optimized kernel extreme learning machine |
| |
| Peng Zhao,Tu Jingjing and Yang Xiyun.Wind power prediction based on particle swarm optimized kernel extreme learning machine[J].Electrical Measurement & Instrumentation,2020,57(11):24-29. |
| |
| Authors: | Peng Zhao Tu Jingjing and Yang Xiyun |
| |
| Affiliation: | China Energy Engineering Investment Corporation Ltd,Beijing,China Energy Engineering Investment Corporation Ltd,Beijing,North Chian Electric Power University |
| |
| Abstract: | |
| |
| Keywords: | wind power prediction particle swarm optimization (PSO) kernel extreme learning machine (KELM) root mean square error (RMSE) mean absolute error (MAE) relative standard deviation (RSD) |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《电测与仪表》浏览原始摘要信息 |
|
点击此处可从《电测与仪表》下载全文 |
|
