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