The invention discloses a wind power prediction method of improved particle swarm optimization based on BP neural network, (1): BP neural network weights and thresholds for particles, and is initialized; (2): the results of BP neural network training and the expected value as the difference of fitness function calculation the fitness value of each particle; (3): the fitness value of each particle compared with the individual optimal particle, global optimal particle; (4): update the velocity and position; (5): to determine whether the global optimal particle termination condition, if meet set termination conditions, then stop the optimal operation output the weight threshold, otherwise return to step (2) iterative operation; (6): (5) the use of input layer, hidden layer optimal weight threshold for connection of BP neural network and BP neural network output layer, according to the results of wind power prediction is obtained Prediction result. The convergence speed is faster, the accuracy is high, and it is not easy to fall into local extremum.
【技术实现步骤摘要】
一种基于改进粒子群优化BP神经网络的风电功率预测方法
本专利技术涉及新能源预测控制,尤其涉及一种基于改进粒子群优化BP神经网络的风电功率预测方法。
技术介绍
风能作为一种可再生能源,具有无污染、不需要燃料、不占用耕地等优势,越来越受到人们的关注,储量也十分巨大,根据相关资料统计,每年来自外层空间的辐射能为1.5*1018kWh,其中的2.5%,即3.8*1016kWh的能量被大气吸收,产生大约4.3*l0l2kWh的风能。我国实际可开发利用的风能资源储量为2.53亿kW,占据10m高度层总风能资源的7.8%。世界风能协会发布的半年度报告指出,全球风电产业2015年新增装机63013MW,年度市场增长率高达22%。美国市场全年达到8.6GW,德国超过预期,新增6GW,其中包括2.3GW的海上项目。到2015年年底,全球风电累计装机容量达到432419MW,累计年增长率达到17%。与此同时,截至2015年,作为风力发电装机容量的第一大国,我国风电累计装机容量达到145.1GW,单年风电发电量达1863亿千瓦时,占全部发电量的3.3%。随着风电技术的日渐成熟,其运行成本的不断降低,风力发电呈现出了强劲的增长势头,在电力市场需求中所占比例的也不断增大,而风力发电对电网的负面影响也随之凸显。由于风能具有较强的间歇性、随机性和不可控性,风电功率也有较大的波动,这将会严重影响到电力系统的安全稳定运行。对风力发电功率进行预测,能够将未知变为已知,有效减轻此类发电系统接入电网的影响,提高可再生能源的利用率,获得更大的经济效益。因此,开展风力发电功率预测研究并逐步提高其预测精 ...
【技术保护点】
一种基于改进粒子群优化BP神经网络的风电功率预测方法,其特征是,包括如下步骤:步骤(1):将BP神经网络中的权值和阈值编为粒子,并对其进行初始化;步骤(2):以BP神经网络训练对训练集训练所得的风电功率预测输出结果与风电功率期望值之差作为适应度函数,计算每个粒子适应度值;步骤(3):将每个粒子的适应度值与个体最优粒子进行比较,得到全局最优粒子;步骤(4):根据预设规则更新粒子速度与位置;步骤(5):判断所得全局最优粒子是否满足设定终止条件,若满足设定终止条件,则停止运算输出最优权值阈值,否则返回步骤(2)迭代运算;步骤(6):利用步骤(5)获得的最优权值阈值连接BP神经网络的输入层、隐含层与输出层,根据BP神经网络结果预测得到风电功率预测结果。
【技术特征摘要】
1.一种基于改进粒子群优化BP神经网络的风电功率预测方法,其特征是,包括如下步骤:步骤(1):将BP神经网络中的权值和阈值编为粒子,并对其进行初始化;步骤(2):以BP神经网络训练对训练集训练所得的风电功率预测输出结果与风电功率期望值之差作为适应度函数,计算每个粒子适应度值;步骤(3):将每个粒子的适应度值与个体最优粒子进行比较,得到全局最优粒子;步骤(4):根据预设规则更新粒子速度与位置;步骤(5):判断所得全局最优粒子是否满足设定终止条件,若满足设定终止条件,则停止运算输出最优权值阈值,否则返回步骤(2)迭代运算;步骤(6):利用步骤(5)获得的最优权值阈值连接BP神经网络的输入层、隐含层与输出层,根据BP神经网络结果预测得到风电功率预测结果。2.如权利要求1所述一种基于改进粒子群优化BP神经网络的风电功率预测方法,其特征在于,所述步骤(1)中初始化内容包括粒子种群规模、初始位置与初始速度。3.如权利要求1所述一种基于改进粒子群优化BP神经网络的风电功率预测方法,其特征在于,所述步骤(2)中适应度函数为:式中:Ok为第k个节点的期望输出,yk为第k个节点的预测输出。4.如权利要求1所述一种基于改进粒子群优化BP神经网络的风电功率预测方法,其特征在于,所述步骤(3)中若每个粒子的适应度值优于个体最优则将该粒子设为个体最优,再将个体最优与全局最优进行比较,若优于全局最优则将该粒子设为全局最优。5.如权利要求1所述一种基于改进粒子群优化BP神经网络的风电功率预测方法,其特征在于,所述步骤(4)中粒子速度更新依据的公式如下:vi(t+1)=ωvi(t)+c1r1(pb(t)-x...
【专利技术属性】
技术研发人员:陈阿莲,袁鲍蕾,张承慧,
申请(专利权)人:山东大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。