基于L-M优化BP神经网络风电功率预测.pdfVIP

Smart Grid 智能电网, 2012, 2, 35-40 doi:10.4236/sg.2012.22007 Published Online June 2012 (/journal/sg) The Capacity Prediction for the Wind Power Based on L-M Optimized BP Algorithm 1 2 Jing Meng , Yuanfeng Huang 1 North China Electric Power University, Baoding 2Institute of Electrical Engineering, Chinese Academy of Sciences, Beijing Email: celosiaargentea@163.com, huangyuanfeng08@ Received: Mar. 27th, 2012; revised: Apr. 21st, 2012; accepted: Apr. 23rd, 2012 Abstract: Based on the traditional BP algorithm, combining Levenhery-Marquardt optimized algorithm and a neural network forecasting method, this paper put forward a L-M optimized BP algorithm. The algorithm quickens the train, improves stability. For the real power data of 58 wind turbines of some wind farm in somewhere, a real-time prediction has been made based on L-M optimized BP algorithm, and the result shows that the algorithm produces better results than traditional method. Keywords: Prediction of Wind Power; L-M Optimize; BP Algorithm; Neural Network 基于L-M 优化BP 神经网络的风电功率预测 1 2 孟 静 ，黄元峰 1 华北电力大学，保定 2 中国科学院电工研究所，北京 Email: celosiaargentea@163.com, huangyuanfeng08@ 收稿日期：2012 年 3 月 27 日；修回日期：2012 年 4 月 21 日；录用日期：2012 年 4 月 23 日 摘 要：在传统 BP 算法的基础上，将 Levenbery-Marquardt 优化法与神经网络模型相结合的 L-M 优化 BP 算法 进行了深入应用和分析。此方法与传统算法相比提高了系统的学习速度，加快了网络的收敛。针对某风电场 58 台机组额定功率为850 kw 的风电机组20 天(每 15 分钟一个预测点) 的历史数据使用L-M 算法优化下的前馈神经 网络模型——BP 神经网络模型进行了该风电场的实时