基于主成分——神經(jīng)網(wǎng)絡的風電場輸出功率短期預測研究.pdf

1、大規(guī)模風電并入電網(wǎng)給電力系統(tǒng)安全穩(wěn)定運行帶來挑戰(zhàn)，對風電場輸出功率進行準確預測可有效解決上述問題。BP神經(jīng)網(wǎng)絡結構簡單、可調整的參數(shù)多、訓練算法也多、而且可操作性好，在短期風電功率預測中引起廣泛關注。但BP神經(jīng)網(wǎng)絡是基于梯度下降法調整網(wǎng)絡權值和閾值，這不可避免地存在學習時間長、易陷入局部極小點的不足，而且神經(jīng)網(wǎng)絡輸入數(shù)據(jù)之間存在相關性會影響神經(jīng)網(wǎng)絡的泛化能力。
　　本文建立了基于主成分——神經(jīng)網(wǎng)絡的短期風電功率預測模型。首先采用主

2、成分分析法對原始輸入數(shù)據(jù)進行處理，消除數(shù)據(jù)間的相關性，主成分處理后的數(shù)據(jù)用于神經(jīng)網(wǎng)絡建模;為彌補BP神經(jīng)網(wǎng)絡的不足，采用遺傳優(yōu)化神經(jīng)網(wǎng)絡的權值和閾值，優(yōu)化結果作為神經(jīng)網(wǎng)絡訓練的初始值;為縮短學習時間，采用Levenberg-Marquardt算法訓練神經(jīng)網(wǎng)絡。用所建立的PCA-GA神經(jīng)網(wǎng)絡模型預測未來4小時、12小時、24小時風電功率，預測精度完全滿足相關規(guī)范要求;經(jīng)風電場現(xiàn)場實際數(shù)據(jù)驗證表明，相對于GA神經(jīng)網(wǎng)絡預測模型、PCA-BP神