文献类型：期刊文章

作　　者：琚垚[1] 祁林[2] 刘帅[3]

JU Yao;QI Lin;LIU Shuai(Henan Xinxiang Vocational and Technical College, Xinxiang 453000, China;Henan University of UrbanConstruction, Pingdingshan 467036, China;State Key Laboratory of Alternate Electrical Power Systemwith Renewable Energy Sources, North China Electric Power University, Baoding 071003, China)

机构地区：[1]河南新乡职业技术学院,河南新乡453000 [2]河南城建学院,河南平顶山467036 [3]新能源电力系统国家重点实验室(华北电力大学),河北保定071003

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目资助(51677072)~~

年　　份：2019

卷　　号：47

期　　号：4

起止页码：58-64

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：精确的短期风电功率预测对于提升电力系统经济稳定运行十分重要。为了克服传统的神经网络在参数选取中容易受主观因素影响和陷入局部最优的不足,提出一种基于改进乌鸦算法(ICSA)优化回声状态神经网络(ESN)参数的短期风电功率组合预测方法。在算法寻优初期引入Lévy飞行机制增强搜索效率,而在迭代后期加入高斯函数,对进化后的全部轨迹进行相应的调整,保证算法的全局寻优和逐次逼近能力;通过改进的CSA算法对ESN神经网络输出层连接权值矩阵进行优化以提高网络的训练效率。最后利用两组实验数据对预测模型进行了有效性验证,结果表明,所提算法能有效应对风电功率时序的随机性和不确定性特征,具有更高的建模精度和更快的收敛速度。

关 键 词：乌鸦算法  Lévy飞行  ESN神经网络  高斯函数 风电功率预测

分 类 号：TM614]