【回歸預測-ELM預測】基于樽海鞘算法結(jié)合極限學習機實現(xiàn)風電場功率回歸預測附matlab代碼
【回歸預測-ELM預測】基于樽海鞘算法結(jié)合極限學習機實現(xiàn)風電場功率回歸預測附matlab代碼
TT_Matlab
博主簡介：擅長智能優(yōu)化算法、神經(jīng)網(wǎng)絡預測、信號處理、元胞自動機、圖像處理、路徑規(guī)劃、無人機等多種領域的Matlab仿真，完整matlab代碼或者程序定制加qq1575304183。
1 內(nèi)容介紹
風電功率預測為電網(wǎng)規(guī)劃提供重要的依據(jù),研究風電功率預測方法對確保電網(wǎng)在安全穩(wěn)定運行下接納更多的風電具有重要的意義.針對極限學習機(ELM)回歸模型預測結(jié)果受輸入?yún)?shù)影響的問題,現(xiàn)將樽海鞘算法優(yōu)化算法(SSA)應用于ELM中,提出了一種基于樽海鞘算法優(yōu)化極限學習機的風功率預測方法.該方法首先將數(shù)值天氣預報信息(NWP)數(shù)據(jù)進行數(shù)據(jù)預處理,并構(gòu)建出訓練樣本集,隨后建立ELM模型,利用樽海鞘算法算法優(yōu)化ELM中的輸入權(quán)值和閾值,從而建立起基于NWP和SSA-ELM風功率預測模型.對華東地區(qū)3個不同裝機容量的風場NWP數(shù)據(jù)進行實驗.結(jié)果表明:該方法的預測精度高且穩(wěn)定性能好,能夠為風電場功率預測以及風電并網(wǎng)安全可靠性提供科學有效的參考依據(jù).
2 仿真代碼
%_________________________________________________________________________________
%
Salp Swarm
Algorithm
(
SSA
) source codes version 1.0
%
% Developed
in
MATLAB R2016a
%
% Author and programmer: Seyedali Mirjalili
%
% e-Mail:
% seyedali.mirjalili@griffithuni.edu.au
%
% Homepage: http:
//www.alimirjalili.com
%
% Main paper:
% S. Mirjalili, A.H. Gandomi, S.Z. Mirjalili, S. Saremi, H. Faris, S.M. Mirjalili,
% Salp Swarm Algorithm: A bio-inspired optimizer
for
engineering design problems
% Advances
in
Engineering Software
% DOI: http:
//dx.doi.org/10.1016/j.advengsoft.2017.07.002
%____________________________________________________________________________________
% This function draws the benchmark functions此函數(shù)用于繪制基準函數(shù)
function
func_plot
(
func_name
)
[lb,ub,dim,fobj]
=Get_Functions_details(func_name);
switch
func_name
case
’F1’
x=
-100
:
2
:
100
; y=x; %[
-100
,
100
]
case
’F2’
x=
-100
:
2
:
100
; y=x; %[
-10
,
10
]
case
’F3’
x=
-100
:
2
:
100
; y=x; %[
-100
,
100
]
case
’F4’
x=
-100
:
2
:
100
; y=x; %[
-100
,
100
]
case
’F5’
x=
-200
:
2
:
200
; y=x; %[
-5
,
5
]
case
’F6’
x=
-100
:
2
:
100
; y=x; %[
-100
,
100
]
case
’F7’
x=
-1
:
0.03
:
1
; y=x %[
-1
,
1
]
case
’F8’
x=
-500
:
10
:
500
;y=x; %[
-500
,
500
]
case
’F9’
x=
-5
:
0.1
:
5
; y=x; %[
-5
,
5
]
case
’F10’
x=
-20
:
0.5
:
20
; y=x;%[
-500
,
500
]
case
’F11’
x=
-500
:
10
:
500
; y=x;%[
-0.5
,
0.5
]
case
’F12’
x=
-10
:
0.1
:
10
; y=x;%[-pi,pi]
case
’F13’
x=
-5
:
0.08
:
5
; y=x;%[
-3
,
1
]
case
’F14’
x=
-100
:
2
:
100
; y=x;%[
-100
,
100
]
case
’F15’
x=
-5
:
0.1
:
5
; y=x;%[
-5
,
5
]
case
’F16’
x=
-1
:
0.01
:
1
; y=x;%[
-5
,
5
]
case
’F17’
x=
-5
:
0.1
:
5
; y=x;%[
-5
,
5
]
case
’F18’
x=
-5
:
0.06
:
5
; y=x;%[
-5
,
5
]
case
’F19’
x=
-5
:
0.1
:
5
; y=x;%[
-5
,
5
]
case
’F20’
x=
-5
:
0.1
:
5
; y=x;%[
-5
,
5
]
case
’F21’
x=
-5
:
0.1
:
5
; y=x;%[
-5
,
5
]
case
’F22’
x=
-5
:
0.1
:
5
; y=x;%[
-5
,
5
]
case
’F23’
x=
-5
:
0.1
:
5
; y=x;%[
-5
,
5
]
end
L=length(x);
f=[];
for
i=
1
:L
for
j=
1
:
L
if
strcmp
(
func_name,
’F15’
)
==
0
&& strcmp(func_name,
’F19’
)==
0
&& strcmp(func_name,
’F20’
)==
0
&& strcmp(func_name,
’F21’
)==
0
&& strcmp(func_name,
’F22’
)==
0
&& strcmp(func_name,
’F23’
)==
0
f(i,j)=fobj([x(i),y(j)]);
end
if
strcmp
(
func_name,
’F15’
)
==
1
f(i,j)=fobj([x(i),y(j),
0
,
0
]);
end
if
strcmp
(
func_name,
’F19’
)
==
1
f(i,j)=fobj([x(i),y(j),
0
]);
end
if
strcmp
(
func_name,
’F20’
)
==
1
f(i,j)=fobj([x(i),y(j),
0
,
0
,
0
,
0
]);
end
if
strcmp
(
func_name,
’F21’
)
==
1
|| strcmp(func_name,
’F22’
)==
1
||strcmp(func_name,
’F23’
)==
1
f(i,j)=fobj([x(i),y(j),
0
,
0
]);
end
end
end
surfc
(
x,y,f,
’LineStyle’
,
’none’
)
;
end
3 運行結(jié)果
4 參考文獻
[1]趙睿智, and 丁云飛. "基于粒子群優(yōu)化極限學習機的風功率預測." 上海電機學院學報 22.4(2019):6.