神經(jīng)網(wǎng)絡(luò)算法在風(fēng)電場功率預(yù)測中的應(yīng)用研究.pdf

1、準(zhǔn)確的風(fēng)電場功率預(yù)測，可以有效地減輕或避免風(fēng)電場接入電網(wǎng)對電力系統(tǒng)造成的不利影響，同時提高風(fēng)電在電力市場中的競爭能力?；跉v史數(shù)據(jù)的方法只能用于超短期的風(fēng)電場功率預(yù)測（1～6小時），對于0～24小時或者更長時間的0～72小時預(yù)測必須使用數(shù)值天氣預(yù)報。本文借助數(shù)值天氣預(yù)報，進行了基于神經(jīng)網(wǎng)絡(luò)方法的風(fēng)電場功率預(yù)測中研究，主要工作包括：
　　 1．?dāng)?shù)據(jù)前處理方法的研究。
　　 對數(shù)值天氣預(yù)報和風(fēng)電場測量數(shù)據(jù)進行預(yù)處理并建立了比

2、較完備的數(shù)據(jù)庫，研究了數(shù)據(jù)的前期處理原則。
　　 2．風(fēng)電場功率預(yù)測中神經(jīng)網(wǎng)絡(luò)算法的研究。
　　 首先對應(yīng)用廣泛的BP神經(jīng)網(wǎng)絡(luò)在風(fēng)電場功率預(yù)測中的應(yīng)用進行研究；然后考慮RBF具有擅長處理非線性復(fù)雜問題的能力，探索將其應(yīng)用于風(fēng)電場功率預(yù)測中。通過實例驗證，比較了兩者的優(yōu)劣。結(jié)果表明RBF神經(jīng)網(wǎng)絡(luò)更加適合基于數(shù)值天氣預(yù)報的風(fēng)電場功率預(yù)測。
　　 3．影響風(fēng)電場功率預(yù)測精度的主要因素分析。
　　 ①數(shù)據(jù)的影響：

3、輸入變量和訓(xùn)練樣本。②神經(jīng)網(wǎng)絡(luò)模型參數(shù)：BP神經(jīng)網(wǎng)絡(luò)模型中網(wǎng)絡(luò)結(jié)構(gòu)、隱層神經(jīng)元以及權(quán)值和閾值的選取是構(gòu)建模型的關(guān)鍵因素；RBF神經(jīng)網(wǎng)絡(luò)模型中隱節(jié)點數(shù)據(jù)中心、擴展常數(shù)和輸出層權(quán)值的調(diào)節(jié)是關(guān)鍵因素。
　　 4．BP和RBF神經(jīng)網(wǎng)絡(luò)模型優(yōu)化算法研究。
　　 用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值進行了全局尋優(yōu)；提出用正交最小二乘和梯度下降訓(xùn)練算法分別優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)模型。應(yīng)用于實際算例的結(jié)果表明，經(jīng)上述方法優(yōu)化后的兩種模型