一种优化回声状态网络的风力发电功率预测方法及装置制造方法及图纸

本发明专利技术涉及一种优化回声状态网络的风力发电功率预测方法及装置，所述方法包括：利用风力发电功率历史数据作为训练样本，训练获取用于预测风力发电功率的回声状态网络模型；以回声状态网络模型预测误差最小为目标优化所述回声状态网络模型的参数；利用优化后的回声状态网络模型对风力发电功率进行预测。本发明专利技术提供的技术方案利用回声状态网络具有的强大非线性映射能力，同时结合萤火虫优化算法的快速且精确的寻优能力，根据历史输入样本不断对回声状态网络的关键参数进行优化更新，以提高回声状态网络预测的准确度。

A Wind Power Prediction Method and Device for Optimizing Echo State Network

【技术实现步骤摘要】
一种优化回声状态网络的风力发电功率预测方法及装置
本专利技术涉及风力发电的
，具体涉及一种优化回声状态网络的风力发电功率预测方法及装置。
技术介绍
回声状态网络属新型的递归神经网络，在非线性混沌系统预测建模方面与传统的递归神经网络相比有了较大改进，学习算法本身属于凸优化，因此避免了陷入局部极小值的问题，尤其在时间序列的预测问题应用极佳。萤火虫算法是一种原理简明、所需参数较少、较为新颖的智能优化算法，通过引入萤火虫个体适应度变异环节，克服标准萤火虫算法的收敛速度、求解精度等问题。随着全球石化资源储量的日渐匮乏以及低碳、环保概念的逐步深化，风能作为一种典型的可再生资源，由于其资源丰富，并且具备大规模开发的条件，其开发与利用在全世界范围内受到了广泛的关注。风能在快速发展的同时也面临着突出的问题。近年来，随着风电场规模的不断扩大，其本身所具有的随机性和间歇性对电网的安全性、稳定性和电能质量等都造成了巨大的冲击和影响，这显然会给大规模的风电并网、电网调峰、调频带来巨大的困难。因此，将风力发电功率从未知变成已知，对电力系统的运行有着重大的意义。准确的风电功率预测，可以在保证供电系统平衡与安全的前提下，降低风力发电的成本，并减少风力发电并网时对电网稳定性的冲击，从而达到提高风力发电价值的目的。目前，主要的风力发电输出功率预测方法包括时间序列法、基于数值天气预报的预测方法、统计方法等，这些方法通过历史数据试图找出天气状况与风力发电功率的关系来对风电功率进行预测，但其存在模型预测精度低，模型复杂的问题。
技术实现思路
为了解决风力发电输出功率预测不准确的问题，本专利技术提供一种优化回声状态网络的风力发电功率预测方法及装置，通过本方法，从风电功率时序数据出发，引入回声状态网络充分挖掘数列信息，结合改进萤火虫优化算法不断对回声状态网络的关键参数进行优化更新，从而迅速精简地对风力发电功率进行预测，且预测结果具备很高的精确度。本专利技术提供的一种优化回声状态网络的风力发电功率预测方法，其改进之处在于，包括：利用风力发电功率历史数据作为训练样本，训练获取用于预测风力发电功率的回声状态网络模型；以回声状态网络模型预测误差最小为目标优化所述回声状态网络模型的参数；利用优化后的回声状态网络模型对风力发电功率进行预测。优选的，所述以回声状态网络模型预测误差最小为目标优化所述回声状态网络模型的参数，包括：利用萤火虫算法优化所述回声状态网络模型的参数，其中，所述萤火虫算法中利用所述回声状态网络模型的参数构建萤火虫个体及萤火虫种群，所述萤火虫算法的适应度函数为：上式中，M为预测时间段长度，y(k)为所述回声状态网络在k时刻的预测风力发电功率，为所述回声状态网络在k时刻的实际风力发电功率。进一步的，所述回声状态网络模型的参数包括连接权谱半径、储备池规模、输入单元尺度及稀疏程度。优选的，所述利用优化后的回声状态网络模型对风力发电功率进行预测，包括：利用优化后的回声状态网络模型按下式确定下一时刻的风力发电功率y(M+1)：y(M+1)＝fout×(Wbest×(u(M),x(M)))上式中，fout为输出层函数，u(M)为采集的M时刻的风力发电功率历史数据，x(M)为所述回声状态网络在M时刻的状态向量，Wbest为所述最优化回声状态网络的输出权重矩阵；其中，按下式确定所述回声状态网络在M时刻的状态向量x(M)：x(M)＝f(Win×u(M)+Wbackx(M-1))上式中，Win为所述优化后的回声状态网络中输入层到储备池N×K阶连接权重矩阵，Wback为所述优化后的回声状态网络中输出层反馈到储备池的N×L阶连接权重矩阵，N为所述优化后的回声状态网络内部神经元个数，L为输出维数，K为输入维数，f为神经元激活函数Sigmoid，x(M-1)为所述回声状态网络在M-1时刻的状态向量。本专利技术提供的一种优化回声状态网络的风力发电功率预测装置，其改进之处在于，包括：训练模块，用于利用风力发电功率历史数据作为训练样本，训练获取用于预测风力发电功率的回声状态网络模型；优化模块，用于以回声状态网络模型预测误差最小为目标优化所述回声状态网络模型的参数；预测模块，用于利用优化后的回声状态网络模型对风力发电功率进行预测。优选的，所述优化模块，用于：利用萤火虫算法优化所述回声状态网络模型的参数，其中，所述萤火虫算法中利用所述回声状态网络模型的参数构建萤火虫个体及萤火虫种群，所述萤火虫算法的适应度函数为：上式中，M为预测时间段长度，y(k)为所述回声状态网络在k时刻的预测风力发电功率，为所述回声状态网络在k时刻的实际风力发电功率。进一步的，所述回声状态网络模型的参数包括连接权谱半径、储备池规模、输入单元尺度及稀疏程度。优选的，所述预测模块，用于：利用优化后的回声状态网络模型按下式确定下一时刻的风力发电功率y(M+1)：y(M+1)＝fout×(Wbest×(u(M),x(M)))上式中，fout为输出层函数，u(M)为采集的M时刻的风力发电功率历史数据，x(M)为所述回声状态网络在M时刻的状态向量，Wbest为所述最优化回声状态网络的输出权重矩阵；其中，按下式确定所述回声状态网络在M时刻的状态向量x(M)：x(M)＝f(Win×u(M)+Wbackx(M-1))上式中，Win为所述优化后的回声状态网络中输入层到储备池N×K阶连接权重矩阵，Wback为所述优化后的回声状态网络中输出层反馈到储备池的N×L阶连接权重矩阵，N为所述优化后的回声状态网络内部神经元个数，L为输出维数，K为输入维数，f为神经元激活函数Sigmoid，x(M-1)为所述回声状态网络在M-1时刻的状态向量。与最接近的现有技术比，本专利技术提供的技术方案具有以下优异效果：本专利技术提供了一种优化回声状态网络的风力发电功率预测方法及装置，利用回声状态网络对混沌时序数列进行数据挖掘、趋势拟合，结合萤火虫优化算法的快速且精确地寻优能力，根据变化的输入样本不断对回声状态网络的关键参数进行优化更新，提高回声状态网络预测的准确度，在保证供电系统平衡与安全的前提下，减少风力发电并网时对电网稳定性的冲击，从而达到提高风力发电价值的目的。附图说明图1是本专利技术提供的优化回声状态网络的风力发电功率预测方法的流程图；图2是本专利技术实施例中提供的优化回声状态网络的风力发电功率预测装置的结构图。具体实施方式下面结合附图对本专利技术的具体实施方式作详细说明。实施例一本专利技术实施例提出一种优化回声状态网络的风力发电功率预测方法，流程图如图1所示，包括以下步骤：利用风力发电功率历史数据作为训练样本，训练获取用于预测风力发电功率的回声状态网络模型；以回声状态网络模型预测误差最小为目标优化所述回声状态网络模型的参数；利用优化后的回声状态网络模型对风力发电功率进行预测。具体的，所述利用风力发电功率历史数据作为训练样本，训练获取用于预测风力发电功率的回声状态网络模型，包括：用下式表示回声状态网络：u(k)＝[u1(k),u2(k),...,uK(k)]Tx(k)＝[x1(k),x2(k),...,xN(k)]Ty(k)＝[y1(k),y2(k),...,yL(k)]T其中，K为输入维数，N为内部神经元个数，L为输出维数，u(k)、x(k)、y(k)分别为回声状态网本文档来自技高网...

【技术保护点】
1.一种优化回声状态网络的风力发电功率预测方法，其特征在于，所述方法包括：利用风力发电功率历史数据作为训练样本，训练获取用于预测风力发电功率的回声状态网络模型；以回声状态网络模型预测误差最小为目标优化所述回声状态网络模型的参数；利用优化后的回声状态网络模型对风力发电功率进行预测。

【技术特征摘要】
1.一种优化回声状态网络的风力发电功率预测方法，其特征在于，所述方法包括：利用风力发电功率历史数据作为训练样本，训练获取用于预测风力发电功率的回声状态网络模型；以回声状态网络模型预测误差最小为目标优化所述回声状态网络模型的参数；利用优化后的回声状态网络模型对风力发电功率进行预测。2.如权利要求1所述的风力发电功率预测方法，其特征在于，所述以回声状态网络模型预测误差最小为目标优化所述回声状态网络模型的参数，包括：利用萤火虫算法优化所述回声状态网络模型的参数，其中，所述萤火虫算法中利用所述回声状态网络模型的参数构建萤火虫个体及萤火虫种群，所述萤火虫算法的适应度函数为：上式中，M为预测时间段长度，y(k)为所述回声状态网络在k时刻的预测风力发电功率，为所述回声状态网络在k时刻的实际风力发电功率。3.如权利要求2所述的风力发电功率预测方法，其特征在于，所述回声状态网络模型的参数包括连接权谱半径、储备池规模、输入单元尺度及稀疏程度。4.如权利要求1所述的风力发电功率预测方法，其特征在于，所述利用优化后的回声状态网络模型对风力发电功率进行预测，包括：利用优化后的回声状态网络模型按下式确定下一时刻的风力发电功率y(M+1)：y(M+1)＝fout×(Wbest×(u(M),x(M)))上式中，fout为输出层函数，u(M)为采集的M时刻的风力发电功率历史数据，x(M)为所述回声状态网络在M时刻的状态向量，Wbest为所述最优化回声状态网络的输出权重矩阵；其中，按下式确定所述回声状态网络在M时刻的状态向量x(M)：x(M)＝f(Win×u(M)+Wbackx(M-1))上式中，Win为所述优化后的回声状态网络中输入层到储备池N×K阶连接权重矩阵，Wback为所述优化后的回声状态网络中输出层反馈到储备池的N×L阶连接权重矩阵，N为所述优化后的回声状态网络内部神经元个数，L为输出维数，K为输入维数，f为神经元激活函数Sigmoid，x(M-1)为所述回声状...

【专利技术属性】
技术研发人员：胡寰宇，艾欣，刘建琴，张艳，汪莹，于德明，宇文元，刘辉，沈宇，于希娟，师恩洁，袁清芳，李洪涛，王坤宇，
申请(专利权)人：华北电力大学，国网经济技术研究院有限公司，国网冀北电力有限公司，国网北京市电力公司，国家电网有限公司，
类型：发明
国别省市：北京,11