基于PSO-BP神经网络的风电功率MATLAB预测程序

关注“电气仔推送”获得资料(专享优惠)

参考文献

基于风电场运行特性的风电功率预测及应用分析——倪巡天

资源简介

由于自然风具有一定的随机性、不确定性与波动性,这将会使风电场的功率预测受到一定程度的影响,它们之间也是存在着一些内在联系。通过最近的的历史气候情况,来做出相应的预测,对自然风的风速、风力等特点加以分析,以此找到合适的预测模型,对未来的预测结果有了一定的预测时间,从而较好的实现了对预测模型的评估。

基于PSO-BP神经网络的风电功率MATLAB预测程序_第1张图片

神经网络由于收敛时间较长,容易形成局部最小值,陷入局部最优,难以得到全局最优解。基于上述的种种缺点,在实际工作中,例如在线功率预测时,它将受到限制。为得到全局最优、确定最佳权值和阈值,本文采用粒子群算法对其进行优化。即通过PSO 算法进行BP 算法的权值和阈值计算,得到一个比较理想的初始值,该初始值能够保证BP 在预测中迅速达到全局最优解,从而改进了传统BP 神经网络的不足。

基于PSO-BP神经网络的风电功率MATLAB预测程序_第2张图片

根据粒子群算法的特性,有效的将其应用到短期风电风速预测中,对功率预测进行优化,即利用PSO 算法对BP 神经网络进行优化,优化其BP 算法的连接权值和阈值,并将优化后的PSO-BP 神经网络模型用于短期风速预测。预测算法流程如图所示。

基于PSO-BP神经网络的风电功率MATLAB预测程序_第3张图片

输出结果

基于PSO-BP神经网络的风电功率MATLAB预测程序_第4张图片

基于PSO-BP神经网络的风电功率MATLAB预测程序_第5张图片

基于PSO-BP神经网络的风电功率MATLAB预测程序_第6张图片

你可能感兴趣的:(电网运行优化,PSO-BP,风功率预测)