本文關(guān)鍵詞：基于關(guān)聯(lián)規(guī)則的PSO-Elman短期風(fēng)速預(yù)測(cè)　出處：《計(jì)算機(jī)工程與應(yīng)用》2017年23期 　論文類(lèi)型：期刊論文

  更多相關(guān)文章： 短期風(fēng)速預(yù)測(cè) 關(guān)聯(lián)規(guī)則 粒子群優(yōu)化算法 Elman神經(jīng)網(wǎng)絡(luò)

【摘要】：傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在短期風(fēng)速預(yù)測(cè)中,存在易陷入局部極值和動(dòng)態(tài)性能不足等問(wèn)題,從而導(dǎo)致風(fēng)速預(yù)測(cè)精度較低。為了提高風(fēng)速預(yù)測(cè)精度,提出一種基于關(guān)聯(lián)規(guī)則的粒子群優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測(cè)模型。利用粒子群算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)模型參數(shù),以提高算法的收斂速度,避免陷入局部極值,以得到最優(yōu)的預(yù)測(cè)值。同時(shí)結(jié)合關(guān)聯(lián)規(guī)則分析考慮氣象因素,采用Apriori算法對(duì)風(fēng)速與其他氣象因素進(jìn)行關(guān)聯(lián)規(guī)則挖掘,并利用得到的關(guān)聯(lián)規(guī)則對(duì)風(fēng)速預(yù)測(cè)值進(jìn)行修正與補(bǔ)償。實(shí)驗(yàn)結(jié)果表明,所提出的預(yù)測(cè)模型的預(yù)測(cè)效果比傳統(tǒng)模型的效果更佳,同時(shí)驗(yàn)證了結(jié)合關(guān)聯(lián)規(guī)則考慮氣象因素能夠降低風(fēng)速預(yù)測(cè)誤差。
[Abstract]:In order to improve the forecasting precision of wind speed , an Elman neural network wind speed prediction model is proposed to improve the accuracy of wind speed prediction . To improve the accuracy of wind speed prediction , an Elman neural network wind speed prediction model based on correlation rule is proposed .

【作者單位】： 長(zhǎng)沙理工大學(xué)計(jì)算機(jī)與通信工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(No.51277015)
【分類(lèi)號(hào)】：TM614;TP18
【正文快照】： 風(fēng)能作為一種清潔的可再生能源[1],是解決當(dāng)今能和可控性。源和環(huán)境問(wèn)題的有效手段之一。風(fēng)力發(fā)電目前已得到目前,風(fēng)電功率預(yù)測(cè)的方法主要有時(shí)間序列法,神社會(huì)的普遍重視和大力發(fā)展。但風(fēng)的隨機(jī)性和波動(dòng)性經(jīng)網(wǎng)絡(luò)法,卡爾曼濾波,空間相關(guān)性[4-6]等。其中神經(jīng)網(wǎng)會(huì)導(dǎo)致風(fēng)功率的不

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張倩;;基于Elman網(wǎng)絡(luò)非線性散射參數(shù)測(cè)量與建模[J];現(xiàn)代電子技術(shù);2011年03期

2 余向前;路民輝;任琳杰;梁穎;;基于改進(jìn)型Elman神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[J];電力信息與通信技術(shù);2014年02期

3 王曉霞;馬良玉;王兵樹(shù);王濤;;進(jìn)化Elman神經(jīng)網(wǎng)絡(luò)在實(shí)時(shí)數(shù)據(jù)預(yù)測(cè)中的應(yīng)用[J];電力自動(dòng)化設(shè)備;2011年12期

4 陳洋;瞿睿;;基于改進(jìn)型Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模糊神經(jīng)網(wǎng)絡(luò)控制的變風(fēng)量空調(diào)設(shè)計(jì)[J];現(xiàn)代建筑電氣;2013年01期

5 劉爽;;基于Elman型神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)研究[J];民營(yíng)科技;2012年12期

6 劉歡;劉吉臻;張文廣;張超;;基于小波Elman神經(jīng)網(wǎng)絡(luò)的短期風(fēng)速預(yù)測(cè)[J];華東電力;2013年04期

7 陳前;毛承雄;陸繼明;余翔;;基于改進(jìn)Elman網(wǎng)絡(luò)的最優(yōu)勵(lì)磁控制器[J];大電機(jī)技術(shù);2007年03期

8 李運(yùn)紅;張ng濤;裴未遲;;基于小波包-Elman神經(jīng)網(wǎng)絡(luò)的電機(jī)軸承故障診斷[J];河北理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

9 趙建軍;張?jiān)玛?yáng);梁威;;Elman神經(jīng)網(wǎng)絡(luò)在高壓電力計(jì)量系統(tǒng)故障診斷中的應(yīng)用[J];電測(cè)與儀表;2014年13期

10 肖蕾;李郁俠;;基于自適應(yīng)Elman神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測(cè)[J];西安理工大學(xué)學(xué)報(bào);2014年01期

相關(guān)會(huì)議論文 前1條

1 ;Battery State-Of-Charge Estimation in Electric Vehicle Using Elman Neural Network Method[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

相關(guān)碩士學(xué)位論文 前6條

1 曹芙;基于Elman神經(jīng)網(wǎng)絡(luò)及優(yōu)化算法的混合模型的研究及應(yīng)用[D];蘭州大學(xué);2015年

2 王柳;基于復(fù)合特性Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè)[D];天津工業(yè)大學(xué);2016年

3 周展;基于Elman神經(jīng)網(wǎng)絡(luò)控制的風(fēng)電最大功率點(diǎn)追蹤的研究[D];湖南大學(xué);2016年

4 張巧;基于改進(jìn)免疫算法和Elman神經(jīng)網(wǎng)絡(luò)的超聲馬達(dá)速度辨識(shí)與控制[D];吉林大學(xué);2006年

5 郭姣姣;基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[D];遼寧工業(yè)大學(xué);2015年

6 任麗娜;基于Elman神經(jīng)網(wǎng)絡(luò)的中期電力負(fù)荷預(yù)測(cè)模型研究[D];蘭州理工大學(xué);2007年

，

本文編號(hào)：1412432