典型文献
基于LSGAN和GA-ELM的风电功率短期预测
文献摘要：
为克服非均衡样本影响风电功率预测的精度,提出了一种基于最小二乘生成对抗网络(LSGAN)和基于遗传算法的极限学习机(GA-ELM)的风电功率短期预测方法.以数值天气预报(NWP)数据为研究对象.首先,采用模糊C均值(FCM)算法将风电场NWP数据聚类成若干个天气类型;其次,采用LSGAN算法生成少数类样本,将具备原始特征的生成数据扩充至NWP数据集并使各类天气的样本均衡;最后,将均衡的数据集代入GA-ELM模型中建立预测模型.仿真结果表明:LSGAN算法缓解了GAN算法中梯度消失、训练不平稳和样本品质差等缺陷,在生成数据时具有收敛速度快、稳定性高和易达到纳什平衡等优点,有效地提高了风电功率的短期预测精度.
文献关键词：
风电功率;聚类;短期预测;最小二乘生成对抗网络;基于遗传算法的极限学习机模型
中图分类号：
作者姓名：
赵睿智;丁云飞
作者机构：
国网上海市电力公司长兴供电公司, 上海 201913;上海电机学院电气学院, 上海 201306
文献出处：
引用格式：
[1]赵睿智;丁云飞-.基于LSGAN和GA-ELM的风电功率短期预测)[J].上海电机学院学报,2022(06):311-317
A类：
基于遗传算法的极限学习机模型
B类：
LSGAN,ELM,风电功率短期预测,非均衡样本,本影,风电功率预测,最小二乘生成对抗网络,数值天气预报,NWP,FCM,风电场,数据聚类,若干个,天气类型,少数类,数据扩充,样本均衡,代入,梯度消失,本品,收敛速度,和易,纳什平衡
AB值：
0.259539
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
