%0 Journal Article
%T 基于神经网络平均影响值的超短期风电功率预测
%A 张滔
%A 徐龙博
%A 李煜东
%A 杨莉
%A 汪少勇
%A 王伟
%J 电力系统自动化
%D 2017
%X 针对动态神经网络风电功率预测模型输入变量较多、模型复杂的问题，将神经网络和平均影响值方法相结合，提出了一种基于神经网络平均影响值的超短期风电功率预测方法。此方法综合考虑了各输入变量对输出变量(风电预测功率)的外部贡献率和内部贡献率，筛选出了对输出变量贡献率最大的输入变量，建立了一个优化的神经网络超短期风电功率预测模型。实验结果表明，所提模型降低了预测模型的复杂度，减少了测量噪声对预测精度的影响，得到了较好的风电功率预测结果
%K 风电功率
%K 超短期预测
%K 动态神经网络
%K 平均影响值
%K 变量筛选
%K wind power
%K ultra-short-term prediction
%K dynamic neural network(DNN)
%K mean impact value(MIV)
%K variable selection
%U http://www.aeps-info.com/aeps/article/abstract/20170321005?st=article_issue