【回归预测-ELM预测】基于樽海鞘算法结合极限学习机实现风电场功率回归预测附matlab代码
【回归预测-ELM预测】基于樽海鞘算法结合极限学习机实现风电场功率回归预测附matlab代码
TT_Matlab
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，完整matlab代码或者程序定制加qq1575304183。
1 内容介绍
风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对确保电网在安全稳定运行下接纳更多的风电具有重要的意义.针对极限学习机(ELM)回归模型预测结果受输入参数影响的问题,现将樽海鞘算法优化算法(SSA)应用于ELM中,提出了一种基于樽海鞘算法优化极限学习机的风功率预测方法.该方法首先将数值天气预报信息(NWP)数据进行数据预处理,并构建出训练样本集,随后建立ELM模型,利用樽海鞘算法算法优化ELM中的输入权值和阈值,从而建立起基于NWP和SSA-ELM风功率预测模型.对华东地区3个不同装机容量的风场NWP数据进行实验.结果表明:该方法的预测精度高且稳定性能好,能够为风电场功率预测以及风电并网安全可靠性提供科学有效的参考依据.
2 仿真代码
%_________________________________________________________________________________
%
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此函数用于绘制基准函数
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 运行结果
4 参考文献
[1]赵睿智, and 丁云飞. "基于粒子群优化极限学习机的风功率预测." 上海电机学院学报 22.4(2019):6.