采用特征优选和优化深层核极限学习机的短期风电功率预测 |
| |
引用本文: | 商立群,黄辰浩,侯亚东,李洪波,惠泽,张建涛.采用特征优选和优化深层核极限学习机的短期风电功率预测[J].西安交通大学学报,2023(1):66-77. |
| |
作者姓名: | 商立群 黄辰浩 侯亚东 李洪波 惠泽 张建涛 |
| |
作者单位: | 西安科技大学电气与控制工程学院 |
| |
基金项目: | 陕西省自然科学基础研究计(2021JM-393); |
| |
摘 要: | 针对风电出力非线性、不稳定且用传统方法难以准确预测的问题,提出了一种基于对深层混合核极限学习机(DHKELM)参数进行优化的短期风电功率预测。利用核主成分分析(KPCA)方法进行特征优选得到的最优特征集,既能表达风电功率的有效信息,也能避免冗余信息的出现,有利于DHKELM模型的学习与训练,同时也降低了模型的复杂度。针对DHKELM超参数难确定的问题,利用改进的野犬优化算法(IDOA)对DHKELM的8个超参数进行寻优,可以发掘原始序列特征信息,从而使模型能够充分掌握数值天气预报(NWP)与风电功率之间的非线性关系。以国外某风电场真实数据为算例,结果表明:提出的预测模型相较于野犬算法、差分进化算法和粒子群优化算法的平均绝对百分比误差(MAPE)分别降低了0.979 3%、2.342 1%、3.383 2%,有效提高了风电功率的预测精度。
|
关 键 词: | 短期风电功率预测 深层混合核极限学习机 改进的野犬优化算法 特征优选 核主成分分析 |
|
|