改进型T-S模糊神经网络风电功率预测模型的研究.pdfVIP

改进型T-S模糊神经网络风电功率预测模型的研究张维杰,等

改进型T-S模糊神经网络风电功率预测模型的研究

StudyontheWindPowerPredictionModel

BasedonlmprovedT-SFuzzyNeuralNetwork

11,21,2133

张维杰田建艳王芳张晓明韩肖清王鹏

(太原理工大学信息工程学院,山西太原030024;1

23

新型传感器与智能控制教育部与山西省重点实验室,山西太原030024;太原理工大学电气与动力工程学院,山西太原030024)

摘要:为了提高风电功率的预测精度,在分析其主要影响因素的基础上,针对T-S模糊神经网络收敛速度慢、计算量大等缺点,提出

了一种改进型T-S模糊神经网络风电功率预测模型。首先采用椭圆基函数作为隶属函数,扩展其接收域;其次利用模糊C-均值聚类

确定其中心值;然后引入惯性项加快网络的收敛速度;最后分别对四季短期风电功率进行预测。仿真结果表明,改进型T-S模糊神经

网络有效地提高了短期风电功率的预测精度,具有一定的实用价值。

关键词:风电功率预测改进型T-S模糊神经网络椭圆基函数模糊C-均值聚类惯性项

中图分类号:TP183文献标志码:A

Abstract:Inordertoimprovethepredictionaccuracyofwindpower,onthebasisofanalyzingthemajorinfluencingfactors,andtoovercome

thedisadvantagesofT-Sfuzzyneuralnetwork,e.g.,slowconvergencespeedandhugeamountofcomputation,thewindpowerprediction

modelbasedonimprovedT-Sfuzzyneuralnetworkisproposed.Firstlytheellipticbasisfunction(EBF)isusedasmembershipfunctionto

expanditsreceptivefield;thenfuzzyC-meansclusteringisusedtodeterminethecentervalue,andtheconvergencespeedofthenetworkis

acceleratedbyintroducinginertiaterm;finallytheshorttermwindpowerinfourseasonsispredictedrespectively.Thesimulationresultsshow

thattheaccuracyofwindpowerpredictionforfourseasonscanbeeffectivelyenhancedbyimprovedT-Sfuzzyneuralnetwork,thismethod

possessescertainpracticalvalue.

Keywords:WindpowerpredictionImprovedT-SfuzzyneuralnetworkEllipticbasisfunctionFuzzyC-meansclusteringInertiaterm

神经网络提高了风电功率的预测精度。

0引言

1风电功率的主要影响因素