基于復(fù)合特性Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè).pdf

1、風(fēng)速時(shí)間序列預(yù)測(cè)在風(fēng)電場(chǎng)運(yùn)行過程中起著非常重要的作用，它不僅關(guān)系到風(fēng)力發(fā)電機(jī)的投入運(yùn)營(yíng)量，也關(guān)系到電力系統(tǒng)的安全、可靠、經(jīng)濟(jì)的運(yùn)行。風(fēng)速時(shí)間序列的預(yù)測(cè)精度直接影響著風(fēng)電領(lǐng)域電力系統(tǒng)的經(jīng)濟(jì)性與穩(wěn)定性，因此風(fēng)速時(shí)間序列預(yù)測(cè)是國內(nèi)外重點(diǎn)關(guān)注的研究領(lǐng)域之一。
　　近些年來，隨著人工神經(jīng)網(wǎng)絡(luò)建模的成熟化，人工神經(jīng)網(wǎng)絡(luò)模型作為一種重要的預(yù)測(cè)手段在風(fēng)速時(shí)間序列的預(yù)測(cè)中得到廣泛應(yīng)用。在實(shí)際應(yīng)用過程中，由于BP神經(jīng)網(wǎng)絡(luò)出現(xiàn)較早，技術(shù)較成熟，通常采用

2、BP神經(jīng)網(wǎng)絡(luò)模型建模，與BP神經(jīng)網(wǎng)絡(luò)相比，Elman神經(jīng)網(wǎng)絡(luò)模型由于具備反饋性與遞歸性，在復(fù)雜的風(fēng)速時(shí)間序列預(yù)測(cè)中具有一定的優(yōu)勢(shì)，然而Elman神經(jīng)網(wǎng)絡(luò)還存在易陷入局部極小值，預(yù)測(cè)精度較差等缺點(diǎn)。
　　針對(duì)傳統(tǒng)Elman神經(jīng)網(wǎng)絡(luò)存在的缺點(diǎn)與不足，本文提出將遲滯現(xiàn)象與Elman神經(jīng)網(wǎng)絡(luò)結(jié)合的方法，利用平穩(wěn)化處理后的數(shù)據(jù)構(gòu)建出具有復(fù)合特性Elman神經(jīng)網(wǎng)絡(luò)模型。具體做法是在傳統(tǒng)Elman神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，將遲滯因子引入隱藏層和關(guān)聯(lián)層，

3、用本文中構(gòu)建的遲滯函數(shù)所替代傳統(tǒng)的Sigmoid函數(shù)。由于遲滯函數(shù)是由兩條閉合的曲線構(gòu)成，在進(jìn)行數(shù)據(jù)處理時(shí)，依據(jù)指定的規(guī)則進(jìn)行上下曲線的選擇，使得輸出數(shù)據(jù)具有一定的隨機(jī)跳變性，可以在一定程度上跳出局部極小值，使用平穩(wěn)化處理后的數(shù)據(jù)，進(jìn)一步提高了預(yù)測(cè)的精度。本文采用華北某風(fēng)電場(chǎng)實(shí)際數(shù)據(jù)對(duì)提出的模型和方法進(jìn)行仿真預(yù)測(cè)，并與傳統(tǒng)Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比，結(jié)果顯示該模型可以明顯提高預(yù)測(cè)精度。
　　在提出算法的基礎(chǔ)上，本文還提出將算法與實(shí)