[發明專利]一種基于改進型神經網絡的短期風功率預測方法

有效

• 申請號: 201710429519.5
• 申請日: 2017-06-08
• 公開（公告）號: CN107330248B
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 楊蘋;鄭成立;黃梓健;何婷;宋嗣博;張育嘉;彭嘉俊;劉澤健;許志榮
• 申請（專利權）人: 華南理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍

1.一種基于改進型神經網絡的短期風功率預測方法，其特征在于，包含離線參數尋優和預測算法主體兩部分；離線參數尋優的歷史數據集包含兩個月的歷史數據，每周更新一次，選擇神經網絡算法和粒子群算法相結合，并將輸出的最優參數傳遞給預測算法主體；預測算法主體的風功率預測模型結合預測風速風向和離線尋優參數，完成短期風功率預測，并輸出風功率預測結果；離線參數尋優步驟如下：

步驟1：將收集的兩個月歷史數據分成歷史風速風向X、歷史風功率Y兩部分；

步驟2：歷史風速風向X、歷史風功率Y輸入到基于神經網絡的風功率預測模型中，得到神經網絡預測風功率O，作為粒子群算法的輸入；

步驟3：計算歷史風功率Y與神經網絡預測風功率O的平均絕對百分比誤差ε，作為粒子群算法的目標函數，神經網絡算法的連接權值w、隱含層閥值a和輸出層閥值b作為粒子群算法的解；

步驟4：精度達到設定的要求或者達到設定的迭代次數時，輸出粒子群算法的最優解，作為離線參數尋優的最優參數；

預測算法主體包括：將離線參數尋優的最優參數和未來三天的預測風速風向輸入到所述風功率預測模型中，輸出未來三天風功率的預測結果；基于神經網絡的風功率預測模型的預測步驟如下：

步驟1：根據神經網絡的輸入確定網絡參數，網絡參數包括輸入層節點數n、隱含層節點數l，輸出層節點數m，初始化各層之間的連接權值w，以及隱含層閥值a，輸出層閥值b，確定傳遞函數；

步驟2：由輸入的風速風向X，各層之間連接權值以及隱含層閥值，計算隱含層第j節點的值H_j如下式所示：

其中，a_j表示隱含層第j節點的閥值，x_i表示輸入層第i節點的值，w_ij表示輸入層第i節點與隱含層第j節點之間的連接權值，f為隱含層傳遞函數；

步驟3：由步驟2計算得到的隱含層，連接權值w_jk和閥值b，按照下式計算神經網絡輸出層第k節點的值O_k：

其中，b_k表示輸出層第k節點的閥值，w_jk表示隱含層第j節點與輸出層第k節點之間的連接權值；所述的離線參數尋優中，平均絕對百分比誤差采用如下計算方法：

其中，O_k為第k個神經網絡預測風功率，Y_k為第k個歷史風功率，P_M為被預測風電場的額定容量。