基于IPSo-BP神經(jīng)網(wǎng)絡(luò)模型的風(fēng)電功率預(yù)測研究.pdf

1、風(fēng)的波動和間歇性會給電力系統(tǒng)的電量質(zhì)量和穩(wěn)定運行帶來比較大的影響，風(fēng)電功率預(yù)測則是解決此問題的關(guān)鍵技術(shù)之一，所以對風(fēng)電功率預(yù)測方法的研究有著重大的意義。BP神經(jīng)網(wǎng)絡(luò)作為可以對風(fēng)電功率進(jìn)行預(yù)測的方法之一，有著較強的非線性映射和容錯能力等優(yōu)點。但是BP網(wǎng)絡(luò)的缺點也很突出，如收斂速度慢、易陷入局部極值等。對此本文提出用改進(jìn)的粒子群優(yōu)化算法（簡稱IPSO算法）對BP網(wǎng)絡(luò)進(jìn)行優(yōu)化，并用優(yōu)化過的網(wǎng)絡(luò)對短期風(fēng)電功率進(jìn)行預(yù)測。本文主要的研究內(nèi)容如下:<

2、br>　　(1)標(biāo)準(zhǔn)的粒子群優(yōu)化算法（簡稱PSO算法）的慣性權(quán)值是線性遞減的，但是在迭代前期全局搜索能力不強，后期局部搜索能力一般。為兼顧提高粒子群算法的全局搜索能力和搜索速度及精度，對現(xiàn)有算法中的慣性權(quán)值、加速因子和粒子速度的界限等參數(shù)分別提出相應(yīng)的改進(jìn)方法。慣性權(quán)值采用非線性遞減方法，在迭代前期用較大的慣性權(quán)值，提高全局搜索能力，而在迭代后期使用較小的慣性權(quán)值，加強局部搜索能力，提高搜索精度，加快收斂速度;對于兩個加速因子，讓第一個

3、線性遞減，讓第二個線性遞增，粒子的速度界限也采用線性遞減的方式，這兩個改進(jìn)有利于前期的全局搜索和后期的局部搜索。然后用四個函數(shù)對改進(jìn)的粒子群算法進(jìn)行收斂性測試，并和標(biāo)準(zhǔn)的粒子群算法進(jìn)行對比，結(jié)果顯示改進(jìn)的粒子群算法在收斂速度和精度上都要優(yōu)于它。
　　(2)針對BP神經(jīng)網(wǎng)絡(luò)的缺陷，用將改進(jìn)的粒子群算法運用到BP網(wǎng)絡(luò)上面，對該網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化，并用被優(yōu)化的網(wǎng)絡(luò)建立預(yù)測模型，對短期風(fēng)電功率進(jìn)行預(yù)測。選用訓(xùn)練樣本和測試樣本分別對三