短期风电预测（Matlab代码实现）

💥💥💥💞💞💞欢迎来到本博客❤️❤️❤️💥💥💥
🎉作者研究：🏅🏅🏅本科计算机专业，研究生电气学硕。主要研究方向是电力系统和智能算法、机器学习和深度学习。目前熟悉python网页爬虫、机器学习、群智能算法、深度学习的相关内容。希望将计算机和电网有效结合！⭐️⭐️⭐️
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者，方便大家进行学习！亲民！！！还有我开了一个专栏给女朋友的，很浪漫的喔，代码学累的时候去瞧一瞧，看一看：女朋友的浪漫邂逅。有问题可以私密博主，博主看到会在第一时间回复。
📝目前更新：🌟🌟🌟电力系统相关知识，期刊论文，算法，机器学习和人工智能学习。
🚀支持：🎁🎁🎁如果觉得博主的文章还不错或者您用得到的话，可以免费的关注一下博主，如果三连收藏支持就更好啦！这就是给予我最大的支持！

👨‍🎓博主课外兴趣：中西方哲学，送予读者：

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。在我这个专栏记录我有空时的一些哲学思考和科研笔记：科研和哲思。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“真理”上的尘埃吧。

     或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

📋📋📋本文目录如下：⛳️⛳️⛳️

​

目录

1 概述

2 运行结果

3 matlab代码实现 

1 概述

为了改善传统预测方法中误差较大的问题，本文提出了多种对 KELM 算法进行优化的风电功率预测模型。首先，分别采用遗传(GA)优化算法与粒子群(PSO)优化算法对KELM风电预测模型中的学习参数(惩罚因子C与径向参数o)进行优化，通过30次实验对比，PSO优化算法较GA算法耗时短，收敛速度较快且稳定性更强，适应度函数值较低，优化效果较好。但PSO优化算法也存在缺陷，即后期搜索能力变差，容易陷入局部极小值，致使不能以概率1搜索到全局最优解。
为了进一步提高模型的预测精度，本文又从量子力学的角度对PSO优化算法进行改进，引入量子粒子群(QPSO)优化算法、自适应早熟判定准则及混合扰动算子，构建了自适应扰动量子粒子群(ADQPSO)优化算法。QPSO算法与PSO算法相比，其对应的控制参数更少，这使得QPSO比 PSO算法具有更强的全局寻优能力，同时减少了寻优过程中所消耗的时长。通过自适应早熟判定准则和混合扰动算子来克服 PSO在寻优过程中的早熟收敛问题。实验表明，ADQPSO算法有效避免了PSO优化算法早熟收敛、后续搜索中寻优能力变差和耗时长的缺点，对PSO优化能力进行了较大幅度的改良。

2 运行结果

3 matlab代码实现