典型文献
基于CEEMD-GA-BP神经网络的风光发电功率预测
文献摘要：
传统的BP神经网络(back propagation neural network,BPNN)虽然在功率预测方面已有广泛应用,但其对于随机波动性较强的风光发电功率预测准确度较低.文中提出一种基于CEEMD(complementary ensemble empirical mode decompo-sition)方法优化的遗传算法神经网络(genetic algorithm-BPNN,GA-BPNN)模型,首先用CEEMD方法将原始数据分解成易于预测的分量,并将各分量预测结果集总平均得到最终结果.以德国巴登-符腾堡州地区能源系统中风光发电功率的历史实例验证该模型的效果,并与其地预测模型进行对比,结果表明,无论是日前预测还是超短期预测,文中所提模型能够提高风光发电功率预测的准确度.
文献关键词：
互补集合经验模态分解;GA-BP;风光发电;功率预测;新能源
中图分类号：
作者姓名：
邹文进;郝少飞;马刚;黄凤良;葛浩然;夏宇
作者机构：
南京师范大学电气与自动化工程学院,江苏南京 210046
文献出处：
引用格式：
[1]邹文进;郝少飞;马刚;黄凤良;葛浩然;夏宇-.基于CEEMD-GA-BP神经网络的风光发电功率预测)[J].电网与清洁能源,2022(03):111-118
A类：
B类：
CEEMD,GA,风光发电功率,发电功率预测,back,propagation,neural,network,BPNN,随机波,波动性,预测准确度,complementary,ensemble,empirical,mode,decompo,sition,方法优化,法神,genetic,algorithm,先用,原始数据,数据分解,分解成,以德,巴登,符腾堡,能源系统,史实,日前预测,超短期预测,互补集合经验模态分解
AB值：
0.349682
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
