基于主成分_遗传神经网络的短期风电功率预测

  本文关键词：基于主成分—遗传神经网络的短期风电功率预测，由笔耕文化传播整理发布。

基于主成分_遗传神经网络的短期风电功率预测

第40卷 第23期 电力系统保护与控制 Vol.40 No.23 2012年12月1日 Power System Protection and Control Dec. 1, 2012

基于主成分—遗传神经网络的短期风电功率预测

罗 毅，刘 峰，刘向杰

（华北电力大学控制与计算机工程学院，北京 102206）

摘要：短期风电功率预测对接入大量风电的电力系统运行具有重要的意义，建立了基于主成分分析与遗传神经网络相结合的短期风电功率预测模型。该模型先对原始输入数据进行主成分分析，分析结果作为神经网络预测模型的输入；为克服BP神经网络训练时间长、易陷入局部极小值的的缺陷，采用遗传算法优化神经网络的初始权值和阈值，并使用Levenberg-Marquardt算法对网络权值和阈值进行细化训练。经某风电场实际数据验证，与GA神经网络模型、PCA-LM神经网络模型相比，预测精度明显提高，为短期风电功率预测提供了一种有效的方法。 关键词：风电功率；神经网络；遗传算法；主成分分析；短期预测

Short-term wind power prediction based onprincipal component analysis and genetic neural network

LUO Yi, LIU Feng, LIU Xiang-jie

(School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China)

Abstract: Short-term wind power prediction is important to the operation of power system with comparatively large amount of wind power, a short-circiut wind power predicting model based on principal component analysis (PCA) method and genetic neural network is proposed. PCA is applied to process original input data, the principal components are used as input data for neural network. In order to solve the problems of slow convergence speed and being easy to fall into local minimum of BP neural network, genetic algorithm(GA) is used to make a thorough searching for the initial weights and thresholds, and the Levenberg-Marquardt (L-M) method is used to finely train the network. Based on the actual data of a wind farm, the forecasting results by the proposed method is more precise than those by GA neural network model and PCA-LM neural network model, providing an effective way to forecast short-term wind power.

This work is supported by National Natural Science Foundation of China (No. 60974051) and Beijing Natural Science Foundation (No. 4122071).

Key words: wind power; neural network; genetic algorithm; principal component analysis; short-term prediction 中图分类号： TM614 文献标识码：A 文章编号： 1674-3415(2012)23-0047-07

0 引言

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，风能等可再生能源的开发与利用日益受到国际社会的重视[1]。风力发电是风能 的主要利用方式之一，也是可再生能源发电技术中发展最快和最为成熟的一种。但风电是一种间歇性、波动性电源，大规模风电的接入给电力系统的安全稳定运行带来了新挑战。对风电场输出功率进行短期预测成为解决这一问题的有效途径之一。

基金项目：国家自然科学基金项目(60974051)；北京市自然科学基金项目(4122071)

目前，，短期风电功率预测方法从预测模型的对象角度，可分为两类：第一类为间接法，即先预测风速，然后根据风电场的布局与发电特性等信息计算风电场的输出功率；第两类为直接法，即直接预测风电场的输出功率[2]。从时间角度可分为三类：第一类为超短期预测（几分钟）；第二类为短期预测（几小时到几天）；第三类为中长期预测（数周或数月）[3]。从采用的数学模型角度可分为四类：物理预测方法、统计预测方法、智能预测方法、组合预测方法[4]。基于数值天气预报的物理预测方法模型复杂、计算量很大；以时间序列法为代表的统计预测方法模型简单，但预测误差较大且预测结果不稳定[5]；以神经网络为代表的智能预测方法一般不需

  本文关键词：基于主成分—遗传神经网络的短期风电功率预测，由笔耕文化传播整理发布。