基于粒子群优化极限学习机的风功率预测

关键词：风功率预测 

摘要：风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对确保电网在安全稳定运行下接纳更多的风电具有重要的意义。针对极限学习机(ELM)回归模型预测结果受输入参数影响的问题,现将粒子群优化算法(PSO)应用于ELM中,提出了一种基于粒子群优化极限学习机的风功率预测方法。该方法首先将数值天气预报信息(NWP)数据进行数据预处理,并构建出训练样本集,随后建立ELM模型,利用粒子群算法优化ELM中的输入权值和阈值,从而建立起基于NWP和PSO-ELM风功率预测模型。对华东地区3个不同装机容量的风场NWP数据进行实验。结果表明:该方法的预测精度高且稳定性能好,能够为风电场功率预测以及风电并网安全可靠性提供科学有效的参考依据。

上海电机学院学报杂志要求:

{1}研究成果所属基金资助项目名称及编号同时请务必提供篇名、作者姓名、单位、关键词和摘要的英文翻译。

{2}确保投稿无一稿两投、不涉及保密及署名无争议等事项，若因保密原因不便公开的内容，应向编辑部说明。

{3}文中图、表应有自明性，且随文出现。每张表格、图均应达到出版质量。

{4}引征注释以页下脚注形式连续编排，翻译文章中，译者需要对专有名词进行解释说明，并以【*译注】的方式在脚注中表明；如译者对原文内容进行实质性补充论述或举出相反例证的，应以【*译按】的方式在脚注中表明。

{5}用第一、第二……或首先、其次……时，如每段文字不长可在同一自然段内接排，如每段文字均较长，可另起一自然段。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社