ACPSO-WFLN算法在短期风电功率预测中的应用

作者：杨春霞; 王耀力

来源：电测与仪表, 2019, 56(13): 76-80.

DOI：10.19753/j.issn1001-1390.2019.013.013

• 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

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。

• 单位
  太原理工大学