基于主成分_遗传神经网络的短期风电功率预测

《基于主成分_遗传神经网络的短期风电功率预测》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、第40卷第23期电力系统保护与控制Vol.40No.232012年12月1日PowerSystemProtectionandControlDec.1,2012基于主成分—遗传神经网络的短期风电功率预测罗毅，刘峰，刘向杰（华北电力大学控制与计算机工程学院，北京102206）摘要：短期风电功率预测对接入大量风电的电力系统运行具有重要的意义，建立了基于主成分分析与遗传神经网络相结合的短期风电功率预测模型。该模型先对原始输入数据进行主成分分析，分析结果作为神经网络预测模型的输入；为克服BP神经网络训练时间长、易陷入局部极小值的的缺陷，采用遗传算

2、法优化神经网络的初始权值和阈值，并使用Levenberg-Marquardt算法对网络权值和阈值进行细化训练。经某风电场实际数据验证，与GA神经网络模型、PCA-LM神经网络模型相比，预测精度明显提高，为短期风电功率预测提供了一种有效的方法。关键词：风电功率；神经网络；遗传算法；主成分分析；短期预测Short-termwindpowerpredictionbasedonprincipalcomponentanalysisandgeneticneuralnetworkLUOYi,LIUFeng,LIUXiang-jie(SchoolofC

3、ontrolandComputerEngineering,NorthChinaElectricPowerUniversity,Beijing102206,China)Abstract:Short-termwindpowerpredictionisimportanttotheoperationofpowersystemwithcomparativelylargeamountofwindpower,ashort-circiutwindpowerpredictingmodelbasedonprincipalcomponentanalysis(

4、PCA)methodandgeneticneuralnetworkisproposed.PCAisappliedtoprocessoriginalinputdata,theprincipalcomponentsareusedasinputdataforneuralnetwork.InordertosolvetheproblemsofslowconvergencespeedandbeingeasytofallintolocalminimumofBPneuralnetwork,geneticalgorithm(GA)isusedtomake

5、athoroughsearchingfortheinitialweightsandthresholds,andtheLevenberg-Marquardt(L-M)methodisusedtofinelytrainthenetwork.Basedontheactualdataofawindfarm,theforecastingresultsbytheproposedmethodismoreprecisethanthosebyGAneuralnetworkmodelandPCA-LMneuralnetworkmodel,providing

6、aneffectivewaytoforecastshort-termwindpower.ThisworkissupportedbyNationalNaturalScienceFoundationofChina(No.60974051)andBeijingNaturalScienceFoundation(No.4122071).Keywords:windpower;neuralnetwork;geneticalgorithm;principalcomponentanalysis;short-termprediction中图分类号：TM61

7、4文献标识码：A文章编号：1674-3415(2012)23-0047-07目前，短期风电功率预测方法从预测模型的对0引言象角度，可分为两类：第一类为间接法，即先预测随着全球石化资源储量的日渐匮乏以及低碳、风速，然后根据风电场的布局与发电特性等信息计环保概念的逐步深化，风能等可再生能源的开发与算风电场的输出功率；第两类为直接法，即直接预[1][2]利用日益受到国际社会的重视。风力发电是风能测风电场的输出功率。从时间角度可分为三类：的主要利用方式之一，也是可再生能源发电技术中第一类为超短期预测（几分钟）；第二类为短期预测发展最快和最为成熟

8、的一种。但风电是一种间歇性、（几小时到几天）；第三类为中长期预测（数周或数[3]波动性电源，大规模风电的接入给电力系统的安全月）。从采用的数学模型角度可分为四类：物理稳定运行带来了新挑战。对风电场输出功率进