本文關鍵詞：基于優(yōu)化核極限學習機的風電功率時間序列預測

  更多相關文章： 核極限學習機 優(yōu)化方法 時間序列 預測

【摘要】：針對時間序列預測,在單隱層前饋神經(jīng)網(wǎng)絡的基礎上,基于進化計算的優(yōu)化策略,提出了一種優(yōu)化的核極限學習機(optimized kernel extreme learning machine,O-KELM)方法.與極限學習機(extreme learning machine,ELM)方法相比,核極限學習機(kernel extreme learning machine,KELM)方法無須設定網(wǎng)絡隱含層節(jié)點的數(shù)目,以核函數(shù)表示未知的隱含層非線性特征映射,通過正則化最小二乘算法計算網(wǎng)絡的輸出權值,它能以極快的學習速度獲得良好的推廣性.在KELM的基礎上,分別將遺傳算法、模擬退火、微分演化三種進化算法用于模型的結構輸入選擇、正則化系數(shù)以及核參數(shù)的優(yōu)化選取,以進一步提高網(wǎng)絡的性能.將O-KELM方法應用于標準Mackey-Glass混沌時間序列預測及某地區(qū)的風電功率時間序列預測實例中,在同等條件下,還與優(yōu)化的極限學習機(optimized extreme learning machine,O-ELM)方法進行比較.實驗結果表明,所提出的O-KELM方法在預測精度上優(yōu)于O-ELM方法,表明了其有效性.
【作者單位】： 蘭州交通大學自動化與電氣工程學院;
【關鍵詞】： 核極限學習機 優(yōu)化方法 時間序列 預測
【基金】：國家自然科學基金(批準號:51467008)資助的課題~~
【分類號】：TM614;O211.61
【正文快照】： 1引言 隨著風電場的風電裝機容量的不斷攀升,風電在電力系統(tǒng)中高度滲透.然而由于風能的隨機性和間歇性,風電場的發(fā)電輸出功率往往很難控制,會隨著外界能量的變化而發(fā)生漲落、波動,對電網(wǎng)造成沖擊,給電網(wǎng)計劃和調度帶來困難與挑戰(zhàn).大規(guī)模風電的并網(wǎng)也給電網(wǎng)的穩(wěn)定運行以及電能

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 沈浩;鄧夢曦;;預則立——時間序列預測技術之廣電業(yè)務應用[J];中國數(shù)字電視;2011年10期

2 許繼平;劉載文;那靖;;司法消噪與多技術融合的時間序列預測[J];計算機工程與應用;2010年24期

3 王剛,胡德文;基于時間序列預測的獨立分量排序[J];國防科技大學學報;2005年05期

4 張弦;王宏力;;具有選擇與遺忘機制的極端學習機在時間序列預測中的應用[J];物理學報;2011年08期

5 邢蕾;;基于小波分析時間序列預測技術進展[J];吉林金融研究;2009年04期

6 肖凡;馬捷中;任嵐昆;;基于小波分析與支持向量機的時間序列預測[J];航空計算技術;2011年06期

7 楊玫;趙秀麗;劉瑜;;時間序列預測問題中小波分解的應用研究[J];信息技術與信息化;2011年02期

8 丁紅;武招云;龔若愚;廖文凱;;小波分析在徑流時間序列預測的應用[J];柳州師專學報;2012年03期

9 何蕭玲;時間序列預測的一個前饋神經(jīng)網(wǎng)絡模型[J];福州大學學報(自然科學版);2001年04期

10 張弦;王宏力;;利用神經(jīng)元拓展正則極端學習機預測時間序列[J];北京航空航天大學學報;2011年12期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 王亮;鐘登華;葛曉冬;;預測方法綜述[A];全國青年管理科學與系統(tǒng)科學論文集（第1卷）[C];1991年

2 尤華;王建東;;機場噪聲的時間序列預測[A];2011年通信與信息技術新進展——第八屆中國通信學會學術年會論文集[C];2011年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳詩語;基于網(wǎng)絡的時間序列預測[D];西南大學;2015年

2 侯效永;多尺度時間序列預測[D];蘇州大學;2013年

3 王麗賢;時間序列預測技術研究[D];天津理工大學;2012年

4 宋玉強;人工神經(jīng)網(wǎng)絡在時間序列預測中的應用研究[D];西安建筑科技大學;2005年

5 張慧;自適應模糊時間序列預測模型的研究[D];大連海事大學;2012年

6 王欣冉;基于小波包與最小二乘支持向量機的時間序列預測研究[D];中國地質大學（北京）;2011年

7 余蘭;基于主成分分析及時間序列預測的我國就業(yè)問題研究[D];武漢科技大學;2012年

8 謝建華;基于核自組織映射的時間序列預測研究[D];南京理工大學;2012年

9 秦田田;基于混合模型的模糊時間序列預測的研究[D];遼寧工業(yè)大學;2015年

10 吳濤;基于時間序列預測的最優(yōu)估計方法研究[D];天津理工大學;2011年

，

本文編號：1112881