- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第 卷 第 期
38 6 Vol.38 No.6
年 月 日 ,
2014 3 25 Mar.25 2014
: /
DOI10.7500AEPS20130830010
基于 和 方法的超短期风电功率预测
OS-ELM Bootstra
p
1 1 1 2 1
, , , ,
王 焱 汪 震 黄民翔 蔡祯祺 杨濛濛
( , ; , )
1.浙江大学电气工程学院 浙江省杭州市 310027 2.国网上海市电力公司 上海市 200122
: ( ) 。
摘要 提出了一种基于在线序贯极限学习机 OS-ELM 的超短期风电功率预测方法 利用 OS-
、 , ,
ELM 学习速度快 泛化能力强的优点 将批处理和逐次迭代相结合 不断更新训练数据和网络结
, 。 ,
构 实现了对数值天气预报风速的快速实时修正和风电机组输出功率的快速预测 随后 采用计算
( ) , 。 ,
机自助 Bootstra 法构造伪样本 给出了预测功率的置信区间评估 实例和研究结果表明 该预
p
( ) 、 ( ) , ,
测方法与反向传播 BP 网络 支持向量机 SVM 方法相比 在计算时间上更能满足在线应用需求
, 。
而且预测精度相当 有较好的应用前景
: ; ; ; ;
关键词 风电预测 风速修正 误差区间估计 极限学习机 Bootstra 方法
p
, 、
0 引言 非线性辨识能力 但也存在泛化能力不强 学习速度
、 。 [ ]
慢 易陷入局部最优等缺陷 文献 10提出一种新
,
随着风电装机容量的迅猛增长 由于风电的高
,
型单隐层前馈神经网络算法 称为极限学习机
文档评论(0)