文献类型：期刊文章

作　　者：江岳春[1] 张丙江[1] 邢方方[1] 张雨[1] 王志刚[2]

机构地区：[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

出　　处：《电网技术》

基　　金：国家自然科学基金项目(51277057);科技部技术创新项目(12C26214305038)~~

年　　份：2015

卷　　号：39

期　　号：8

起止页码：2160-2166

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20153701265934)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：随着风电在电力系统中的渗透水平不断提高,能准确、可靠地进行风功率预测至关重要。为提高风功率超短期预测精度,利用风功率时间序列的混沌特性,推导分析了Volterra泛函模型和3层前馈(back propagation,BP)神经网络在结构上的一致性,提出混沌时间序列遗传算法-Volterra神经网络(genetic algorithm-Volterra neural network,GA-VNN)模型,对超短期风功率进行多步预测。该模型将实用的Volterra泛函模型和BP神经网络结合起来,解决了求解Volterra泛函模型高阶核函数的问题。同时设计了一种混沌时间序列GA-VNN模型的学习算法,在算法中利用GA全局寻优能力来优化BP神经网络,获得最优的初始权值和阀值。将上述方法应用于某风电场风功率超短期多步预测中,结果验证了所提模型的多步预测性能明显优于Volterra预测滤波器和BP神经网络。

关 键 词：混沌时间序列 BP神经网络 GA算法 Volterra泛函模型  风功率超短期多步预测  

分 类 号：TM715]