实验室核心成员王嘉宏副教授于2023年5月在SCI三区期刊Energies发表题为"Short-TermWind Power Prediction Based on a Hybrid Markov-Based PSO-BP Neural Network"的论文。

论文简介：

风电预测是风电行业的一个重要研究课题，为了有效地提高短期预测的准确性，并同时解决传统马尔可夫模型中生成巨大转移矩阵的问题，本文介绍了一种实时预测方法，能够通过实时计算获得下一时刻的状态概率区间分布，同时在不影响原始模型预测精度的情况下减少了所需的计算时间和存储空间。此外，为了有效地改进PSO-BP神经网络的预测方法，使用粒子群优化（PSO）算法对所提出的基于马尔可夫的反向传播（BP）神经网络进行了优化。与传统方法相比，我们算法的计算时间呈线性增长，而不是指数增长。此外，与现有的方法相比，优化后的基于马尔可夫的PSO-BP神经网络具有较好的预测效果。我们观察到，预测模型的平均绝对百分比误差（MAPE）和平均绝对误差（MAE）分别为12.7%和179.26，所提出的实时预测方法获得了更准确的预测结果。

相关图片：