一种风电场中风电功率预测方法技术

本发明专利技术公开了一种风电场中风电功率预测方法，涉及数据预测领域，包括：S1、将BP神经网络的初始化权值与改进的美洲狮优化算法的美洲狮位置建立映射关系；S2、利用改进的美洲狮优化算法对BP神经网络的初始化权值进行优化，得到初始化权值最优解；S3、将S2中获取的初始化权值最优解输入BP神经网络中获得一个高效的BP神经网络，使用所获得的BP神经网络对风电场中风电功率数据进行预测，输出风电功率数据的预测值。由于在美洲狮算法中引入了非线性权重因子、自适应最优引导策略和反思策略，使得算法在优化过程中的全局搜索能力得到增强，有效的避免了陷入局部最优陷阱的问题，进而提升了算法在风电功率预测中的准确性和稳定性。

【技术实现步骤摘要】

本专利技术属于数据预测领域，具体涉及一种风电场中风电功率预测方法。

技术介绍

1、风电场中的风电功率预测对社会发展、节能和可持续发展具有深远的意义，风电功率预测可以提高风电场的发电效率和稳定性，确保电力系统的安全运行，通过预测风力资源的变化，可以合理安排发电计划，优化电力调度，提高电网的智能化程度，同时，风电场中的功率预测可以有效节约能源资源，减少对传统能源的依赖，降低能源成本，提高能源利用效率，这有助于促进可再生能源的发展，推动清洁能源替代传统化石能源，降低碳排放，减少环境污染，保护生态环境，此外，风电功率预测还可以促进风电产业的发展，创造就业机会，促进经济增长，推动社会可持续发展，通过不断提升风电功率预测技术水平，可以实现能源转型，推动绿色低碳发展，为构建美丽中国和可持续发展的社会做出积极贡献。

2、目前，智能优化算法结合bp神经网络在风电场中对风电功率进行预测已经成为研究的热点领域，智能优化算法可以通过优化神经网络的参数，提高神经网络的训练速度和精度，从而提高对风电功率的预测能力，与传统的统计方法相比，智能优化算法结合bp神经网络具有以下本文档来自技高网...

【技术保护点】

1.一种风电场中风电功率预测方法，利用改进美洲狮优化算法优化BP神经网络，实现风电场中风电功率数据的预测，其特征在于，具体步骤为：

2.根据权利要求1所述的一种风电场中风电功率预测方法，其特征在于，所述步骤P1，引入非线性权重因子Q将北方苍鹰优化算法和美洲狮优化算法进行融合，改进美洲狮优化算法的探索和开发平衡性，所述非线性权重因子Q包含随迭代次数的增加非线性递增的自适应非线性参数；如果rand小于Q成立，则使用美洲狮优化算法进行个体位置更新，否则北方苍鹰优化算法进行个体位置更新，其中，rand表示在区间[0,1]内的随机数，非线性权重因子Q表示为公式(1)；

3....

【技术特征摘要】

1.一种风电场中风电功率预测方法，利用改进美洲狮优化算法优化bp神经网络，实现风电场中风电功率数据的预测，其特征在于，具体步骤为：

2.根据权利要求1所述的一种风电场中风电功率预测方法，其特征在于，所述步骤p1，引入非线性权重因子q将北方苍鹰优化算法和美洲狮优化算法进行融合，改进美洲狮优化算法的探索和开发平衡性，所述非线性权重因子q包含随迭代次数的增加非线性递增的自适应非线性参数；如果rand小于q成立，则使用美洲狮优化算法进行个体位置更新，否则北方苍鹰优化算法进行个体位置更新，其中，rand表示在区间[0,1]内的随机数，非线性权重因子q表示为公式(1)；

3.根据权利要求1所述的一种风电场中风电功率预测方法，其特征在于，所述步骤p2，引入自适应最优引导策略，改进算法的探索性，所述自适应最优引导策略包含随迭代次数的增加非线性递减的自适应性参数，同时结合最优个体位置对个体位置进行更新；使用自适应最优引导策略对个体位置进行更新，表示为公式(2)；

4.根据权利要求1所述的一种风电场中风电功率预测方法，其特征在于，所述步骤p3...

【专利技术属性】
技术研发人员：李晓兰，
申请(专利权)人：云南民族大学，
类型：发明
国别省市：