一种基于遗传算法优化的BP神经网络风速预测方法技术

本发明专利技术公开了一种基于遗传算法优化的BP神经网络风速预测方法。该方法为：首先收集风电场风速数据，建立BP神经网络预测模型，估计初始值范围；然后对神经网络的权值和阈值进行实数编码，随机产生一组初始个体构成初始种群，每个初始个体代表问题的一个初始解；接着计算种群内每个个体适应度，再进行选择、交叉、变异操作，形成下一代种群，并对新种群的个体适应度进行评估，判断收敛条件并选择最优个体，把这个最优个体作为神经网络的初始权值和阈值；最后利用matlab进行训练，得到风速预测值。本发明专利技术提高了BP神经网络风速预测的效率和精确度。

A BP neural network wind speed prediction method based on genetic algorithm optimization

【技术实现步骤摘要】
一种基于遗传算法优化的BP神经网络风速预测方法
本专利技术涉及风电场风速预测
，特别是一种基于遗传算法优化的BP神经网络风速预测方法。
技术介绍
随着经济与社会的发展，人们对清洁能源的需求越来越大，风能作为一种可再生清洁能源具有很大的发展潜力。然而风力发电具有间歇性和时变性，对于风速的精确预测就显得尤为重要，准确的风速预测有助于保证电力系统安全稳定经济的运行。风速预测模型主要基于建立未来数据与历史数据的函数映射关系，即根据历史数据预测未来输出。人工神经网络具有自学习与自组织能力，人工神经网络的学习训练也就是对网络结构和权系数的优化，其中BP神经网络的应用最为广泛和成熟，它具有很好的函数逼近能力，通过研究影响下一时刻风速的前几个时刻的历史风速，确定BP网络三层结构各自的神经元个数，将历史数据作为输入，通过训练BP神经网络得到BP神经网络风速预测模型。再利用遗传算法进行改进，首先对神经网络的权值和阈值进行实数编码，随机产生一组初始个体构成初始种群，每个初始个体代表问题的一个初始解。然后计算种群内每个个体适应度，再进行选择、交叉、变异操本文档来自技高网...

【技术保护点】
1.一种基于遗传算法优化的BP神经网络风速预测方法，其特征在于，包括以下步骤：/n步骤1、获取风电场风速数据，将这些样本数据分为训练样本集和测试样本集，并进行归一化处理，建立BP神经网络预测模型，估计初始值范围；/n步骤2、对BP神经网络的权值和阈值进行实数编码，随机产生一组初始个体构成初始种群，每个初始个体代表问题的一个初始解；/n步骤3、计算种群内每个个体适应度；/n步骤4、进行选择、交叉、变异操作，形成下一代种群，并对新种群的个体适应度进行评估；/n步骤5、判断是否达到收敛条件，是则进入步骤6，否则返回步骤4；/n步骤6、选择最优个体，作为BP神经网络的初始权值和阈值，进行风速预测。/n

【技术特征摘要】
1.一种基于遗传算法优化的BP神经网络风速预测方法，其特征在于，包括以下步骤：
步骤1、获取风电场风速数据，将这些样本数据分为训练样本集和测试样本集，并进行归一化处理，建立BP神经网络预测模型，估计初始值范围；
步骤2、对BP神经网络的权值和阈值进行实数编码，随机产生一组初始个体构成初始种群，每个初始个体代表问题的一个初始解；
步骤3、计算种群内每个个体适应度；
步骤4、进行选择、交叉、变异操作，形成下一代种群，并对新种群的个体适应度进行评估；
步骤5、判断是否达到收敛条件，是则进入步骤6，否则返回步骤4；
步骤6、选择最优个体，作为BP神经网络的初始权值和阈值，进行风速预测。


2.根据权利要求1所述的基于遗传算法优化的BP神经网络风速预测方法，其特征在于，步骤1中所述的获取风电场风速数据，将这些样本数据分为训练样本集和测试样本集，并进行归一化处理，建立BP神经网络预测模型，估计初始值范围，具体如下：
步骤1.1、根据滚动法选取输入训练样本数据，即将一个月内每一天的24小时风速数据按照时间先后顺序排成一组，以每5个相邻小时风速来预测下一个小时的风速；
步骤1.2、用matlab自带的mapminmax函数分别对输入训练样本、输出训练样本、输入测试样本进行归一化处理，建立BP神经网络预测模型，估计初始值范围。


3.根据权利要求1所述的基于遗传算法优化的BP神经网络风速预测方法，其特征在于，步骤1中所述的BP神经网络，具体如下：
输入...

【专利技术属性】
技术研发人员：李军，潘茹悦，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32