计及历史数据熵关联信息挖掘的短期风电功率预测

摘要：

对风电功率历史数据进行关联信息挖掘,将有助于提高短期风电功率预测的准确度和计算效率.为解决风电功率预测模型的输入、输出变量的相关性冗余问题,尝试采用了一种基于信息熵和互信息的熵相关系数指标,旨在量化评估不同历史日风电样本与待预测日参考样本间的复杂非线性映射关系,并与线性相关系数、秩相关系数、欧氏距离指标进行了对比研究.同时,设计了一种BP神经网络改进模型,通过亲密样本筛选、隐含层结构寻优、网络权重赋初值等环节,克服了传统预测模型的训练数据冗余度大、收敛速度慢问题,提高了预测模型的泛化能力和计算效率.对某风电场实测数据的算例分析表明,所提出的方法在改善短期风电功率预测性能方面具有应用可行性.

关键词：关联信息挖掘、熵相关系数、相关性冗余、模型泛化能力

所属期刊栏目：41

分类号：TN9;V44

资助基金：国家自然科学基金资助项目51077078;国家科技支撑计划资助项目2015BAA01B01.This work is supported by National Natural Science Foundation of China51077078;National Key Technologies R&D Program2015BAA01B01

在线出版日期：2017-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：13-18