Resumen

Se necesita urgentemente un método de pronóstico preciso para la generación de energía del sistema de conversión de energía eólica (WECS) bajo los problemas relevantes asociados con la alta penetración de la energía eólica en el sistema eléctrico. Este documento propone un método híbrido que combina el algoritmo de mínimos cuadrados ortogonales (OLS) y el algoritmo genético (GA) para construir la red neuronal de función de base radial (RBF) para el pronóstico de corto plazo de la energía eólica. La red neuronal RBF está compuesta por estructuras de tres capas, que contienen las capas de entrada, oculta y de salida. El algoritmo OLS se utiliza para determinar el número óptimo de nodos en una capa oculta de la red neuronal RBF. Con una estructura de red neuronal RBF apropiada, el GA se utiliza para ajustar los parámetros en la red, incluyendo los centros y anchos de RBF y los pesos de conexión en la segunda etapa. Para demostrar la efectividad del método prop

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Método de pronóstico; Sistema de conversión de energía eólica; Método híbrido; Red neuronal de función de base radial; Algoritmo de mínimos cuadrados ortogonales; Algoritmo genético
• Keywords:Forecasting method; Wind energy conversion system; Hybrid method; Radial basis function neural network; Orthogonal least squares algorithm; Genetic algorithm