期刊论文

Sheng, Y.-F.

中文

电力系统保护与控制

1674-3415

2014

42

11

46-51

(51277056):国家自然科学基金项目 (10JJ6076):湖南省自然基金项目 (2011GK3034，2010GK3183):湖南省科技厅资助项目 (12A115):湖南省教育厅重点资助项目 (2011XQD41):南华大学博士启动基金项目 (51277056):National Natural Science Foundation of China

本校为第一且通讯机构

为了解决传统静态前馈神经网络(FNN)在短期风速预测中易陷入局部最优值及动态性能的不足,引入Elman动态神经网络建立风速预测模型,采用主成分分析法(PCA)对原始风速数据进行特征提取以优化神经网络的输入,改进激励函数和网络结构以寻求函数收敛速度和预测精度的最优解。针对Elman神经网络预测模型在风速波动的峰值处预测误差较大及预测精度存在波动性,提出采用粗糙值理论对模型预测值进行修正与补偿,进一步提高预测精度。实验证明:所提出的方法能有效提高预测精度,增强神经网络模型的泛化能力,具有较好的实用性。

Because the traditional static feed forward neural networks (FNN) are easy to fall into local optimum and lack of dynamic performance, the wind speed prediction model using Elman neural network (ElmanNN) is established, the principal component analysis (PCA) is used to extract the feature of wind speed data, which optimizes the inputs of ElmanNN. Furthermore, excitation function and the structures of network are improved to search for the optimum solution of function convergence rate and prediction accuracy. To solve large error and prediction accuracy fluctuations of the ElmanNN model at the ...