基于混沌时间序列GA-VNN模型的超短期风功率多步预测.pdfVIP

第39 卷 第8 期 电 网 技 术 Vol. 39 No. 8 2015 年8 月 Power System Technology Aug. 2015 文章编号：1000-3673 （2015 ）08-2160-07 中图分类号：TM 715 文献标志码：A 学科代码：470·40 基于混沌时间序列 GA-VNN 模型的 超短期风功率多步预测 1 1 1 1 2 江岳春 ，张丙江 ，邢方方 ，张雨 ，王志刚 （1．湖南大学 电气与信息工程学院，湖南省 长沙市 410082 ； 2．国网河南省电力公司 驻马店供电公司，河南省 驻马店市 463000 ） Super-Short-Term Multi-Step Prediction of Wind Power Based on GA-VNN Model of Chaotic Time Series 1 1 1 1 2 JIANG Yuechun , ZHANG Bingjiang , XING Fangfang , ZHANG Yu , WANG Zhigang (1. School of Electrical and Information Engineering, Hunan University, Changsha 410082, Hunan Province, China; 2. Zhumadian Power Supply Company, State Grid Henan Electric Power Company, Zhumadian 463000, Henan Province, China) ABSTRACT: As wind power penetration in power system 精度，利用风功率时间序列的混沌特性，推导分析了Volterra increases continuously, a good prediction method is essential to 泛函模型和3 层前馈(back propagation，BP)神经网络在结构 providing accurate and reliable results. In order to improve the 上的一致性，提出混沌时间序列遗传算法-Volterra 神经网络 wind power prediction accuracy, a super-short-term wind (genetic algorithm-Volterra neural network，GA-VNN)模型， power prediction model is proposed based on genetic 对超短期风功率进行多步预测。该模型将实用的Volterra 泛 algorithm-Volterra neural network (GA-VNN) model using the 函模型和BP 神经网络结合起来，解决了求解Volterra 泛函 chaos characteristic of wind power time series, mathematically 模型高阶核函数的问题。同时设计了一种混沌时间序列 deducing and analyzing the consistency between Volterra GA-VNN 模型的