基于SSA优化BP神经网络的短期风功率预测方法技术

本发明专利技术涉及一种基于SSA优化BP神经网络的短期风功率预测方法，方法包括：获取风电场的实时数据，并进行数据预处理后，载入SSA优化BP神经网络模型中，获取短期风功率预测结果；SSA优化BP神经网络模型的训练过程中通过麻雀搜索算法计算每个麻雀的适应度，并更新发现者、加入者和侦查者的位置，直至得到最优位置和最佳适应度值后分别赋值给BP神经网络模型作为参数权值和阈值，从而得到最优的SSA优化BP神经网络模型。与现有技术相比，本发明专利技术通过SSA优化BP神经网络算法的权值和阈值来提高了网络训练速度和风功率预测精度。训练速度和风功率预测精度。训练速度和风功率预测精度。

【技术实现步骤摘要】
基于SSA优化BP神经网络的短期风功率预测方法


[0001]本专利技术涉及短期风功率预测
，尤其是涉及一种基于SSA优化BP神经网络的短期风功率预测方法。

技术介绍

[0002]风功率的预测方法可以分为物理方法、统计方法和学习方法。其中学习方法主要是指人工智能算法，能够更加准确地拟合非线性关系，提高预测精度，这是改善短期风预测的研究热点之一。目前已经用于短期风功率预测的学习方法有：BP神经网络、遗传算法、支持向量机等。
[0003]遗传算法在进化过程中局部搜索能力较差，容易陷入“早熟”的现象。支持向量机的核函数的选择及有关参数的优化、模型训练和测试速度等问题仍尚未很好的解决。BP神经网络算法的本质为梯度下降法，使用复杂的网络结构对复杂的非线性函数进行拟合，会导致学习收敛速度太慢。对于BP神经网络，误差函数可能存在多个局部极小值，在梯度下降的训练过程中，容易陷入局部极小值。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在使用BP神经网络进行风功率预测时容易陷入局部极小值的缺陷而提供一种基于SS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SSA优化BP神经网络的短期风功率预测方法，其特征在于，包括以下步骤：获取风电场的实时数据，并进行数据预处理后，载入预先构建并训练好的SSA优化BP神经网络模型中，获取短期风功率预测结果；所述SSA优化BP神经网络模型的训练过程包括以下步骤：S1：获取用于训练的风电场的历史数据，划分为训练集和测试集，并进行数据预处理，初始化BP神经网络模型的模型参数；S2：将训练集数据载入BP神经网络模型中进行模型训练，训练过程中，通过麻雀搜索算法计算每个麻雀的适应度，并更新发现者、加入者和侦查者的位置，直至得到最优位置和最佳适应度值后分别赋值给BP神经网络模型作为参数权值和阈值，从而得到最优的SSA优化BP神经网络模型；S3：重复步骤S2进行模型训练，直至达到预设的模型训练停止条件，将此时得到的BP神经网络模型作为训练完成的SSA优化BP神经网络模型。2.根据权利要求1所述的一种基于SSA优化BP神经网络的短期风功率预测方法，其特征在于，所述方法还包括：S4：统计输出的风功率预测值，并进行反归一化处理，得到最终预测风电功率值；S5：将得到的最终预测风电功率值与历史实际风功率值进行误差分析，来评估此模型的预测性能。3.根据权利要求2所述的一种基于SSA优化BP神经网络的短期风功率预测方法，其特征在于，采用平均绝对百分比误差和均方根误差，评估BP神经网络模型的预测性能。4.根据权利要求1所述的一种基于SSA优化BP神经网络的短期风功率预测方法，其特征在于，所述风电场的历史数据包括风速、风向的余弦值、温度和风功率。5.根据权利要求1所述的一种基于SSA优化BP神经网络的短期风功率预测方法，其特征在于，所述BP神经网络模型包括依次连接的三个输入层、三个隐藏层和一个输出层。6.根据权利要求1所述的一种基于SSA优化BP神经网络的短期风功率预测方法，其特征在于，所述数据预处理为数据归一化处理。7.根据权利要求...

【专利技术属性】
技术研发人员：刘湲，王芳，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：