增量处理双隐层BP神经网络风电功率预测模型

发布时间：2017-09-08 21:53

  本文关键词：增量处理双隐层BP神经网络风电功率预测模型

  更多相关文章： 风电功率预测 BP神经网络 双隐层 增量处理 非线性归一化

【摘要】：风电场功率预测现有模型一般采用基于批量训练方式的单隐层BP神经网络,针对该模型易陷入局部极小及预测精度较低等缺点,结合风电场功率预测数据量大及不确定性大的特点,建立一种基于增量处理方式的双隐层BP神经网络模型,具有预测精度高、较好跟踪功率波动、运算速度快、不易陷入局部极小等优点;目前预测模型一般使用线性归一化方法对神经网络输入输出参数进行处理,基于风电场功率数据取值分布不均匀的特点,提出一种新的非线性归一化方法,实例证明,该方法可有效提高预测精度,尤其是较高功率值和较低功率值预测效果更佳。
【作者单位】： 新能源电力系统国家重点实验室(华北电力大学);
【关键词】： 风电功率预测 BP神经网络 双隐层 增量处理 非线性归一化
【基金】：国家自然科学基金(51206051)
【分类号】：TM614;TP183
【正文快照】： 式与批量方式两种[14]0引言。批量方式应用广泛,却更易陷入局部极小值;增量方式在一定程度上可克服该风电场功率预测是解决大规模风电接入电网缺点。问题的一个重要手段,近年功率预测在国内外得到鉴于目前BP神经网络在风电场功率预测领域广泛关注并取得重要进展。基于数值天气，

本文编号：816546