摘要
考虑到风能产出的间歇性和不可预见性,风力发电量波动趋势的准确预判对并网系统的稳定性和安全运营至关重要.本研究引入了一种新型风电功率预测技术,该技术采用了一种结合粒子群优化(PSO)技术和反向传播(BP)神经网络的混合策略.在这个策略中,利用PSO技术对BP神经网络的起始权重和阈值进行优化处理,有效避免了传统BP网络容易收敛于局部最优解的问题.然后,结合数值天气预报(NWP)数据和历史风电输出数据对所提出的算法进行训练,并通过训练得到的模型对风电功率进行预测.通过比较粒子群优化反向传播(PSO-BP)算法与传统BP网络算法的预测性能,结果显示,采用PSO-BP方法风电功率预测中的平均绝对误差(MAE)和均方根误差(RMSE)均优于传统的BP神经网络,验证了PSO-BP算法在提高风电功率预测精度方面的有效性.
NETL
NSTL
万方数据