基于变分模态分解和改进鲸鱼算法优化的神经网络风速预测模型_李志鹏
风速预测在风电场安全并网和智能化管理中起着决定性作用,针对风速的非线性和不稳定等特点,提出一种基于变分模态分解和改进鲸鱼算法优化的模糊神经网络（VMD-CGWOA-ANFIS）的混合预测模型。该模型首先使用变分模态分解（VMD）技术将原始风速序列分解为一系列子序列,对各子序列分别采用模糊神经网络（ANFIS）建立预测模型。为进一步提高预测精度,克服鲸鱼（WOA）算法容易陷入局部最优和收敛过早的缺点,引入共轭梯度算法（CG）对WOA进行改进,利用改进的CGWOA算法对ANFIS参数进行优化。使用优化后的ANFIS分别对VMD分解后的各子序列进行预测,最后将预测后各子序列叠加得到最终预测结果。为测试模型的有效性,选择宁夏地区三组实际风电数据进行模拟试验,将ANFIS、VMD-ANFIS、VMD-WOA-ANFIS与提出模型进行对比,结果表明,所提出的混合模型预测精确度明显高于其他对比模型。
- 2021-05-06
- 阅读445
- 下载0
- 8页
- pdf
