基于Bagging神经网络集成的风功率预测
【摘要】 鉴于准确预测风功率对风电并网系统安全、稳定运行具有重要意义，提出了基于Bagging神经网络集成的风功率预测模型。先利用拉伊达（3σ）准则对数据进行预处理得到有效的风机数据，结合灰色关联度和Relief算法对数据进行特征提取；其次在Bagging集成学习中使用Bootstrap抽样，随机产生K个训练集并用自组织RBF神经网络（ErrCor-RBF）分别对风功率进行预测；最后叠加K个预测结果取均值得到最终预测结果。仿真结果表明，Bagging神经网络集成的风功率预测模型性能更好、预测精度较高。
