Indexed by：
Abstract：
提高风电出力的预测精度,可以减轻风电并网带来的不利影响.利用径向基函数神经网络(RBF)建立风电出力预测模型,并通过正交二乘算法(OLS)对RBF神经网络进行初步训练,以确定网络结构及隐含层各节点中心.在OLS算法训练的网络基础上引入蛙跳算法(SFLA),进一步对隐含层基函数的宽度值进行优化以提高网络的泛化能力.实例预测表明,在相同的网络结构及隐含层中心下,基函数宽度值优化后的RBF神经网络模型预测精度得到了提升.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电网与清洁能源
ISSN： 1674-3814
CN： 61-1474/TK
Year： 2013
Issue： 9
Volume： 29
Page： 62-67
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
