%0 Journal Article
%T 基于混沌时间序列GA-VNN模型的超短期风功率多步预测
%A 江岳春
%A 张丙江
%A 邢方方
%A 张雨
%A 王志刚
%J 电网技术
%P 2160-2166
%D 2015
%R 10.13335/j.1000-3673.pst.2015.08.015
%X 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(backpropagation,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(geneticalgorithm-Volterraneuralnetwork,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。
%K 混沌时间序列
%K BP神经网络
%K GA算法
%K Volterra泛函模型
%K 风功率超短期多步预测
%U http://www.dwjs.com.cn/CN/abstract/abstract26199.shtml