1 簡(jiǎn)介

風(fēng)能,作為一種重要,有潛力,無(wú)污染,可再生、可持續(xù)的能源,已經(jīng)成為全球發(fā)電最為迅速的能源之一,越來(lái)越受到世界各國(guó)的青睞。近年來(lái),為緩解能源短缺問(wèn)題,改善環(huán)境,實(shí)現(xiàn)經(jīng)濟(jì)乃至人類的可持續(xù)發(fā)展,世界各國(guó)紛紛大力發(fā)展風(fēng)能資源。然而,在實(shí)際操作中,風(fēng)能固有的波動(dòng)性和間歇性通常會(huì)增加風(fēng)能入網(wǎng)的難度,致使風(fēng)電場(chǎng)輸出功率不穩(wěn)定,嚴(yán)重影響輸出的電能質(zhì)量,大大增加了電網(wǎng)安全性和穩(wěn)定性運(yùn)行風(fēng)險(xiǎn),因此,風(fēng)速預(yù)測(cè)在風(fēng)電相關(guān)工作中至關(guān)重要,準(zhǔn)確、可靠的預(yù)測(cè)結(jié)果不僅有利于調(diào)度人員事先掌握風(fēng)電場(chǎng)的功率變化情況,及時(shí)制定調(diào)度運(yùn)行計(jì)劃,提高能量轉(zhuǎn)換效率、降低風(fēng)險(xiǎn),增加發(fā)電量等,同時(shí)也有利于風(fēng)電并網(wǎng)穩(wěn)定運(yùn)行和有效消納,對(duì)可能存在影響電網(wǎng)安全穩(wěn)定運(yùn)行的風(fēng)險(xiǎn)及時(shí)預(yù)警,從而避免風(fēng)電功率隨機(jī)波動(dòng)造成電能損耗甚至電網(wǎng)崩潰。近年來(lái),國(guó)內(nèi)外學(xué)者進(jìn)行了大量風(fēng)速預(yù)測(cè)相關(guān)研究,風(fēng)速預(yù)測(cè)水平得到一定程度的提升。單一預(yù)測(cè)模型雖簡(jiǎn)單容易實(shí)施,但其預(yù)測(cè)精度往往較低,難以滿足風(fēng)電場(chǎng)發(fā)電的需求。相比之下,基于優(yōu)化算法和數(shù)據(jù)分解法的混合預(yù)測(cè)模型對(duì)風(fēng)速預(yù)測(cè)性能有很大的提升。因此,這些模型往往會(huì)降低預(yù)測(cè)結(jié)果的穩(wěn)定性,對(duì)風(fēng)電場(chǎng)發(fā)電以及風(fēng)電并網(wǎng)的安全性和穩(wěn)定性帶來(lái)巨大的挑戰(zhàn)。針對(duì)如上問(wèn)題,本文構(gòu)建出一個(gè)基于哈里斯鷹算法和Elman神經(jīng)網(wǎng)絡(luò)的混合預(yù)測(cè)模型，本文所提出的混合預(yù)測(cè)模型不僅可以降低預(yù)測(cè)誤差,提高風(fēng)速預(yù)測(cè)精度,增強(qiáng)預(yù)測(cè)結(jié)果的穩(wěn)定性,同時(shí)對(duì)風(fēng)電場(chǎng)發(fā)電的完善,發(fā)展以及風(fēng)電并網(wǎng)安全管理也大有裨益。

Elman 神經(jīng)網(wǎng)絡(luò)是一種局部反饋遞歸神經(jīng)網(wǎng)絡(luò)，包括輸入層、隱藏層、承接層和輸出層，由于其良好的動(dòng)態(tài)記憶和時(shí)變能力，自1990年Elman首次提出以來(lái)，Elman神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中得到了廣泛的應(yīng)用，但由于隨機(jī)選擇初始值和閾值，且采用梯度下降法尋優(yōu)，其網(wǎng)絡(luò)學(xué)習(xí)速度較慢且預(yù)測(cè)的精度比較低。本文利用 HHO優(yōu)化 Elman神經(jīng)網(wǎng)絡(luò)的初始權(quán)值及閾值，提高了 Elman 神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度。

第一步 初始化 Elman 網(wǎng)絡(luò)所需參數(shù)，并新建 Elman 網(wǎng) 絡(luò)，net=newelm（minmax（in

總結(jié)

以上是生活随笔為你收集整理的【预测模型-ELAMN预测】基于哈里斯鹰算法优化ELMAN神经网络实现数据回归预测matlab代码的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。