關鍵詞：風功率預測 

摘要：風電功率預測為電網規劃提供重要的依據,研究風電功率預測方法對確保電網在安全穩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)回歸模型預測結果受輸入參數影響的問題,現將粒子群優化算法(PSO)應用于ELM中,提出了一種基于粒子群優化極限學習機的風功率預測方法。該方法首先將數值天氣預報信息(NWP)數據進行數據預處理,并構建出訓練樣本集,隨后建立ELM模型,利用粒子群算法優化ELM中的輸入權值和閾值,從而建立起基于NWP和PSO-ELM風功率預測模型。對華東地區3個不同裝機容量的風場NWP數據進行實驗。結果表明:該方法的預測精度高且穩定性能好,能夠為風電場功率預測以及風電并網安全可靠性提供科學有效的參考依據。

上海電機學院學報雜志要求:

{1}研究成果所屬基金資助項目名稱及編號同時請務必提供篇名、作者姓名、單位、關鍵詞和摘要的英文翻譯。

{2}確保投稿無一稿兩投、不涉及保密及署名無爭議等事項，若因保密原因不便公開的內容，應向編輯部說明。

{3}文中圖、表應有自明性，且隨文出現。每張表格、圖均應達到出版質量。

{4}引征注釋以頁下腳注形式連續編排，翻譯文章中，譯者需要對專有名詞進行解釋說明，并以【*譯注】的方式在腳注中表明；如譯者對原文內容進行實質性補充論述或舉出相反例證的，應以【*譯按】的方式在腳注中表明。

{5}用第一、第二……或首先、其次……時，如每段文字不長可在同一自然段內接排，如每段文字均較長，可另起一自然段。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社