本文選題：風電功率 + 小波神經(jīng)網(wǎng)絡　； 參考：《電網(wǎng)技術》2016年08期

【摘要】：風電的間歇性和不確定性給大規(guī)模風電并網(wǎng)帶來了挑戰(zhàn),風電功率的單點預測已很難滿足電網(wǎng)安全穩(wěn)定運行的需求。提出了一種基于小波神經(jīng)網(wǎng)絡的風電功率區(qū)間預測多目標優(yōu)化模型,改進了基本多目標人工蜂群算法的概率選擇作用和約束刪減策略,以優(yōu)化小波神經(jīng)網(wǎng)絡的伸縮因子、平移因子和權值解決了區(qū)間預測單目標優(yōu)化模型下懲罰系數(shù)的不合理選擇問題,提高了風電功率區(qū)間預測可靠性。通過分析與單目標優(yōu)化方法、傳統(tǒng)多目標優(yōu)化方法下區(qū)間預測指標的對比結果,表明所構建的多目標智能優(yōu)化模型對風電功率區(qū)間預測具有更優(yōu)越的性能,可為電網(wǎng)調(diào)度提供決策依據(jù)。
[Abstract]:The intermittent and uncertainty of wind power brings challenges to large-scale wind power grid connection, and the single-point prediction of wind power is difficult to meet the demand of safe and stable operation of power grid.A multi-objective optimization model for wind power interval prediction based on wavelet neural network is proposed. The probability selection function and constraint deletion strategy of the basic multi-objective artificial bee colony algorithm are improved to optimize the scaling factor of the wavelet neural network.The translation factor and the weight value solve the problem of the unreasonable choice of the penalty coefficient under the single-objective optimization model of interval prediction and improve the reliability of interval prediction of wind power.By analyzing and comparing with the single objective optimization method and the traditional multi-objective optimization method, the results show that the multi-objective intelligent optimization model has better performance for wind power interval prediction.It can provide decision basis for power grid dispatching.
【作者單位】： 江南大學電氣自動化研究所;
【基金】：國家自然科學基金項目(61573167;61572237) 高等學校博士學科點專項科研基金(20130093110011)~~
【分類號】：TM614

【相似文獻】

相關期刊論文 前10條

1 黃永紅;徐勇;;基于小波神經(jīng)網(wǎng)絡的某邊坡預測研究[J];測繪工程;2012年02期

2 祖哲;畢貴紅;劉力;郝娟;;基于小波神經(jīng)網(wǎng)絡的電力系統(tǒng)短期負荷預測模型研究[J];計算機技術與發(fā)展;2012年10期

3 霍禹同;;基于小波神經(jīng)網(wǎng)絡的電機自動控制研究[J];信息與電腦(理論版);2013年09期

4 江亞東,丁麗萍,夏克儉,李恪,陳因頎;基于小波神經(jīng)網(wǎng)絡的混沌模式提取[J];北京科技大學學報;2001年05期

5 陳農(nóng),賈區(qū)耀;用自適應小波神經(jīng)網(wǎng)絡辨識動態(tài)實驗數(shù)據(jù)[J];飛行力學;2001年01期

6 張增芳,陳瑞中,齊保謙,陸英北;基于小波神經(jīng)網(wǎng)絡的心電數(shù)據(jù)壓縮研究[J];廣西工學院學報;2002年01期

7 任少龍,鐘秋海,嚴承華;小波神經(jīng)網(wǎng)絡在裝備研制費預測與控制中的應用[J];海軍工程大學學報;2002年05期

8 董杰,馬壯,吳云,李嘉林;遺傳小波神經(jīng)網(wǎng)絡在飛機加油管路設計中的應用[J];機械科學與技術;2002年S1期

9 趙學智,鄒春華,陳統(tǒng)堅,葉邦彥,彭永紅;小波神經(jīng)網(wǎng)絡的參數(shù)初始化研究[J];華南理工大學學報(自然科學版);2003年02期

10 楊春玲,楊茂華,胡艷,戴景民;小波神經(jīng)網(wǎng)絡在多波長輻射測溫中的應用[J];計量學報;2003年04期

相關會議論文 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡的異步電機故障診斷[A];2009中國控制與決策會議論文集（2）[C];2009年

2 何正友;錢清泉;;一種改進小波神經(jīng)網(wǎng)絡模型在電力故障信號識別中的應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟下高技術制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡結合多項式的混合預測方法在通信規(guī)劃中的應用[A];2011全國無線及移動通信學術大會論文集[C];2011年

5 謝建宏;張為公;;復合材料疲勞剩余壽命預測的動態(tài)小波神經(jīng)網(wǎng)絡方法[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡的水質(zhì)預測應用研究[A];2006中國控制與決策學術年會論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡的高效學習算法及應用研究[A];中南六�。▍^(qū)）自動化學會第24屆學術年會會議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡的軋機特性回歸[A];2007中國控制與決策學術年會論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進遺傳算法的小波神經(jīng)網(wǎng)絡[A];2007年中國智能自動化會議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經(jīng)網(wǎng)絡的模擬調(diào)制信號自動識別[A];2007通信理論與技術新發(fā)展——第十二屆全國青年通信學術會議論文集（下冊）[C];2007年

相關博士學位論文 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡若干關鍵問題研究[D];南京航空航天大學;2006年

2 章文俊;小波神經(jīng)網(wǎng)絡算法及其船舶運動控制應用研究[D];大連海事大學;2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡研究[D];湖南大學;2003年

4 宋清昆;自適應結構優(yōu)化神經(jīng)網(wǎng)絡控制研究[D];哈爾濱理工大學;2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡實現(xiàn)雷達相關濾波的研究[D];大連海事大學;2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡相關問題研究[D];陜西師范大學;2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡構造及其在電弧故障診斷中的應用研究[D];吉林大學;2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡中若干問題的研究[D];南京航空航天大學;2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡理論的VOCR與HOCR技術研究[D];上海大學;2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡的煤炭企業(yè)管理研究[D];天津大學;2007年

相關碩士學位論文 前10條

1 張清華;小波神經(jīng)網(wǎng)絡參數(shù)優(yōu)化及其應用[D];東北農(nóng)業(yè)大學;2009年

2 王建雙;基于小波神經(jīng)網(wǎng)絡控制器設計與研究[D];哈爾濱理工大學;2009年

3 張蓉暉;小波神經(jīng)網(wǎng)絡及其在模擬電路診斷中的應用[D];華中科技大學;2008年

4 吳曦;基于隨機小波神經(jīng)網(wǎng)絡的一類隨機過程的逼近[D];西北工業(yè)大學;2001年

5 王勇;基于小波神經(jīng)網(wǎng)絡的模擬電路故障診斷的研究[D];內(nèi)蒙古工業(yè)大學;2006年

6 孫新強;基于小波神經(jīng)網(wǎng)絡的板料沖壓回彈研究[D];西南交通大學;2015年

7 但立;基于小波神經(jīng)網(wǎng)絡的地面三維激光掃描點云數(shù)據(jù)的滑坡監(jiān)測研究[D];長安大學;2015年

8 葛小川;基于小波神經(jīng)網(wǎng)絡的某坦克炮平衡與定位控制[D];南京理工大學;2015年

9 蔡崇國;小波分析在大功率交流伺服系統(tǒng)中的應用研究[D];南京理工大學;2015年

10 盧金長;數(shù)據(jù)挖掘技術在上證指數(shù)預測中的應用研究[D];云南財經(jīng)大學;2015年

，

本文編號：1737924