论文部分内容阅读
为了提高风电功率预测的准确度,提出了一种基于对手竞争惩罚学习算法（rival penalized competitive learning,RPCL）优化径向基函数（radial basis function,RBF）神经网络的风电功率预测模型.首先通过RPCL确定网络隐含层神经元数目以及中心点初始值,然后由K均值聚类法确定隐含层神经元的中心点和宽度,最后通过最小均值算法确定隐含层神经元与输出层神经元之间的权值.仿真结果表明：此优化模型相较于传统RBF网络具有更高的准确性.