基于主成分分析的神经网络动态集成风功率超短期预测

为了解决风电功率神经网络预测输入变量多、计算效率低、泛化能力较差的缺点,采用主成分分析法(PCA)减少变量数。用神经网络动态集成的方法构建出较强泛化能力的BP网络集成。采用南方某风电场的数据进行了预测,比较了选取全部气象参数、部分气象参数和基于PCA处理后的数据作为神经网络输入对预测精度和计算效率的影响,结果表明采用PCA能在不降低预测精度的情况下,大大提高运算速度。通过对比单个和集成BP神经网络预测结果发现,采用集成网络的预测精度比单个BP网络精度有所提高,特别是风速突变的情况下更加明显。