基于IBA-KELM的风电功率区间预测方法

摘要：

在电力系统对功率预测提出更高要求的形势下,风电功率区间预测的方法已经逐渐成为新的热点.文章利用预测区间(PIs)的思想来估计风电场输出功率的不确定性.在优化区间预测目标函数的基础上,利用核极限学习机(KELM)学习速度快,泛化能力强的优点,提出一种基于KELM的风电功率区间预测模型.并使用改进后的蝙蝠算法(IBA)对模型的参数进行优化.为了克服BA易陷入局部最优的缺点,增加了其搜索时的多样性,并加入动态惯性权重,使其收敛速度更快.最后,用河北某风电场的数据进行实验仿真,与传统BP神经网络模型和BA-ELM模型对比分析,结果表明文章提出的预测方法具有速度快,精度高的优点.

关键词：风电、功率预测、区间预测、核极限学习机、蝙蝠算法

所属期刊栏目：36

分类号：TK81(风能、风力机械)

资助基金：河北省科技计划项目17214304D

在线出版日期：2018-08-15（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：1092-1097