资源描述：
《基于改进型ESN的短期风电功率预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、《自动化与仪器仪表》2017年第2期(总第208期)*基于改进型ESN的短期风电功率预测1231王新友,王晨华,张祎,鲁江(1.甘肃广播电视大学理工学院甘肃兰州,730030)(2.中国电建集团西北勘测设计研究院有限公司陕西西安,710061)(3.中国市政工程西北设计研究院有限公司甘肃兰州,730030)摘要:风电场输出功率预测对接入大量风电的电力系统运行有重要意义。本文在回声状态网络(ESN)的基础上,给出一种基于泄露积分ESN短期风电功率预测方法,作为基本ESN的延伸和推广,泄漏积分回声状态网络(LiESN)通过调节泄漏率和时间常数能实现对慢特性和连续动态
2、系统的学习;同时;将岭回归学习算法应用于网络输出权值的求解中来改善采用线性回归算法求解容易出现病态解的问题,进而提高网络的预测性能,将其应用到不同地区的短期风电功率预测实例中,并与其他预测方法进行了比较,实验结果表明了该方法的有效性。关键词:回声状态网络;岭回归;电力系统;风电功率预测中图分类号:TM641文献标识码:ADOI编码:10.14016/j.cnki.1001-9227.2017.02.029Abstract:Windpowerpredictionisimportanttothestableoperationofpowersystemwhichhas
3、alargenumberofwindpoweraccess.Inthispaper,onthebasisofEchostatenetwork(ESN),theshort-termwindpowerpredictionmethodispresentedthatbasedonechostatenetworkwithleakyintegratorneurons(LiESN),asanextensionandpromotionofthebasicESN,LiESNcanrealizestudyingontheslowandcontinuousdynamicsystems
4、byadjustingtheleakrateandtimeconstant.Atthesametime,theridgeregressionlearningalgorithmisappliedtocomputeoutputweightstoimproveproneillsolutionsproblemcausedbylinearregressionalgorithm,andthenimprovethepredictionperformanceofthenetwork,theproposedmethodisthenappliedtotheinstanceofsho
5、rt-termwindpowerpredictionatdifferentregionsandcomparedwithotherforecastingmethods.Experimentresultshowstheeffectivenessofthemethod.Keywords:echostatenetwork;ridgeregression;powersystem;windpowerprediction一种扩展ESN网络,通过泄漏率和时间常数的调节能实0引言现对慢特性和连续动态系统的学习,引入岭回归学习算法作为清洁能源,风电在电力系统中的装机容量逐渐增来代替
6、伪逆计算网络输出权值,可提高网络的稳定性和预加,然而风能的随机性致使风电输出功率极不稳定,风电测性能,将其分别应用在乌鲁木齐和哈密地区的风电功率并网对电力系统平衡和电网部门调度造成了很大的冲击,预测实例中,并与其他方法在同等条件下进行了比较,结因此,行之有效的风电功率预测对发电企业的计划发电和果验证了该方法的有效性。[1-2]电网部门的优化调度具有重要的意义。1回声状态网络风电功率的预测方法从传统的物理方法、统计方法逐[3-5]1.1ESN网络渐发展到基于人工神经网络的计算智能方法等。近年来,小波分析、神经网络、支持向量机(SVM)等智能计ESN的基本网络拓扑结
7、构如图1所示,从图中可看出算方法,可以借助电功率历史时间序列反映出输入与输出网络由三层构成,左侧为由K个神经元构成的输入层,中之间的的复杂非线性关系,在短期预测中取得了较为成功间为隐含层(也就是SR),由N个稀疏连接的内部神经元的应用[6-9]。然而,常见的神经网络预测模型,存在泛化构成,右侧为由L个神经元构成的输出层。图中实线表示能力较弱,易陷入局部最优、过拟合等不足,模型结构难以的网络连接权值在网络训练之前随机给定,而虚线连接部确定等,会对预测精度产生一定的影响;分则表示网络的输出权值,与递归神经网路需训练所有连传统递归神经网络在实际运用中存在数学计算复杂,
8、接权值不同,在ESN网络
