基于改进BBO算法优化KELM的短期风电功率预测

摘要

针对短期风电功率预测,文章提出了一种改进的生物地理学优化算法优化核极限学习机的BBO-KELM-2预测模型。生物地理学优化算法(BBO)以生物的地理分布规律为基础通过栖息地中的物种迁入、迁出和突变的信息交换机制来寻求全局最优解,其优点为计算简单、收敛速度快、设置参数少和稳定性好。传统的BBO算法存在线性迁移模型容易陷入局部最优的问题,因此文章在采用余弦迁移模型的基础上,引入混沌映射理论,并将改进的BBO优化算法应用于KELM网络以优化输入结构,核函数的参数以及Tikhonov正则化系数,对KELM的建模方法做出改进。为验证该方法的有效性,将BBO-KELM-2方法应用于某地区的短期风电功率预测研究中,在同等条件下与采用线性迁移模型的原始BBO-KELM-1等现有方法进行比较,实验结果表明,BBO-KELM-2方法具有很好的预测性能,建模精度最高。