文献类型：期刊文章

作　　者：章勇高[1] 高彦丽[1] 马迪[2]

ZHANG Yong-gao;GAO Yan-li;MA Di(School of Electrical and Automatic Engineering,East China Jiaotong University,Nanchang 330013,China;State Grid Jiangxi Electric Power Company Maintenance Branch,Nanchang 330013,China)

机构地区：[1]华东交通大学电气与自动化工程学院 [2]国网江西省电力公司检修分公司,南昌330013

出　　处：《控制工程》

年　　份：2018

卷　　号：25

期　　号：7

起止页码：1155-1159

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、JST、ZGKJHX、核心刊

摘　　要：提出一种基于遗传算法的核函数极限学习机模型来预测光伏的短期出力,采用遗传算法GA优化核函数极限学习机K-ELM模型参数。该方法首先利用交叉验证算法训练均方差作为目标函数,再结合遗传算法,对惩罚因子c和高斯核函数的宽度参数σ进行寻优,从而提高了预测精度并加快了收敛速度。在对某地光伏发电量进行统计和研究的基础上,将提出的预测算法应用中实际数据中并且与传统GA-BP模型预测比较。实例验证表明：GA-KELM模型能够更准确、高效的对光伏的短期出力进行预测,解决了传统GA-BP神经网络算法存在执行速度慢且易陷入局部最优的缺点,具有更广阔的应用价值和研究空间。

关 键 词：遗传算法 核函数极限学习机  光伏出力  预测精度  

分 类 号：TM615] TP18]