资源描述：
《基于l-m优化bp神经网络的风电功率预测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、SmartGrid智能电网,2012,2,35-40doi:10.4236/sg.2012.22007PublishedOnlineJune2012(http://www.hanspub.org/journal/sg)TheCapacityPredictionfortheWindPowerBasedonL-MOptimizedBPAlgorithm12JingMeng,YuanfengHuang1NorthChinaElectricPowerUniversity,Baoding2InstituteofElectricalEngineerin
2、g,ChineseAcademyofSciences,BeijingEmail:celosiaargentea@163.com,huangyuanfeng08@mail.iee.ac.cnReceived:Mar.27th,2012;revised:Apr.21st,2012;accepted:Apr.23rd,2012Abstract:BasedonthetraditionalBPalgorithm,combiningLevenhery-Marquardtoptimizedalgorithmandaneuralnetworkforecas
3、tingmethod,thispaperputforwardaL-MoptimizedBPalgorithm.Thealgorithmquickensthetrain,improvesstability.Fortherealpowerdataof58windturbinesofsomewindfarminsomewhere,areal-timepredictionhasbeenmadebasedonL-MoptimizedBPalgorithm,andtheresultshowsthatthealgorithmproducesbetterr
4、esultsthantraditionalmethod.Keywords:PredictionofWindPower;L-MOptimize;BPAlgorithm;NeuralNetwork基于L-M优化BP神经网络的风电功率预测12孟静，黄元峰1华北电力大学，保定2中国科学院电工研究所，北京Email:celosiaargentea@163.com,huangyuanfeng08@mail.iee.ac.cn收稿日期：2012年3月27日；修回日期：2012年4月21日；录用日期：2012年4月23日摘要：在传统BP算法的基础上，将Le
5、venbery-Marquardt优化法与神经网络模型相结合的L-M优化BP算法进行了深入应用和分析。此方法与传统算法相比提高了系统的学习速度，加快了网络的收敛。针对某风电场58台机组额定功率为850kw的风电机组20天(每15分钟一个预测点)的历史数据使用L-M算法优化下的前馈神经网络模型——BP神经网络模型进行了该风电场的实时预测，结果表明该方法在一定程度上更好的逼近了真实的曲线。关键词：风电功率预测；L-M优化；BP算法；神经网络1.引言风电功率预测的方法主要有两大类，一种是物理方法，一种是统计学方法。物理方法是结合风向、风速等风能是
6、一种可再生、清洁的能源，现今风力发电主要利用的是近地风能。近地风具有波动性、间歇性、天气情况数据，采用流体力学的分析方法，找出其中低能量密度等特点，因而风电功率也是波动的。大规的数学关系，从而结合天气预报和卫星监测的实时天模风电场接入电网运行时，大幅度地风电功率波动会气数据，根据风电机组的功率曲线，对风电功率进行对电网的功率平衡和频率调节带来不利影响。因此，合理的预测。统计学方法则尽依靠以往的功率测量数如何对风电场的发电功率进行尽可能准确地预测，是据找出其规律，可以对风电场输出功率做基于时间序[1]急需解决的问题。列的分析，做中短期功率预测
7、甚至是长期功率预测。Copyright©2012Hanspub35基于L-M优化BP神经网络的风电功率预测根据电力调度部门安排运行方式的不同需求，风电功率预测又可以分为日前预测和实时预测。日前预测是预测明日24小时96个时点(每15分钟一个时点)的风电功率数值。实时预测是滚动地预测每个时点未来4小时内的16个时点(每15分钟一个时点)的风电功率数值。国家能源局颁布的风电场功率预测预报管理暂行办法中给出了误差统计的相应指标。本文针对某风电场58台机组额定功率为850kw的风电机组20天(每15分钟一个预测点)的历史数据使用L-M算法优化下的前
8、馈神经网络模型——BP神经网络模型进行了该风电场的实时预测。2.原理分析人工神经网络具有模拟人类大脑思维功能的能Figure1.TheBPneuralnetworksalgori
