基于数值气象数据的BP神经网络风电功率预测试卷.pptx

基于数值气象数据的BP神经网络风电功率预测 日期：2016年9月12日 BP网络理论简介 BP网络是一种具有三层或三层以上神经元的神经网络，包括输入层、中间层（隐层）和输出层。上下层之间实现全连接，而每层神经元之间无连接。当一对学习样本提供给网络后，神经元的激活值从输入层经各中间层向输出层传播，在输出层的各神经元获得网络的输入响应。接下来，按照减少目标输出与实际输出之间误差的方向，从输出层反向经过各中间层回到输入层，从而逐层修正各连接权值，这种算法称为“误差反向传播算法”，即BP算法。随着这种误差逆向的传播修正不断进行，网络对输入模式响应的正确率也不断上升。 功率预测步骤 收集历史发电功率数据 数据分析与选取 数据预处理 建立预测模型 模型参数设定 发电功率预测 预测误差e 输出预测功率值 校正与改进模型 Y N 数据分析与选取 选取预测日前两周内的历史发电功率数据 将一周的7天分为工作日（星期一到星期五）和休息日（星期六和星期天）两种类型。 将一周分为星期一、星期二到星期五、星期六和星期日4种类型。 将一周的7天每天都看做一种类型，共有7种类型。 BP神经网络建模 BP神经网络结构图 1 基于数值气象数据的BP神经网络建模 基于数值气象数据的BP神经网络预测风电功率模型结构图 1 温度 风向 风速 历史功率 风电功率输出 BP神经网络建模 作用函数:(0,1)S型函数 BP神经网络建模 误差函数为二乘误差函数： BP神经网络建模 权值、阀值更新： 权值加快迭代收敛公式 阀值迭代公式 BP神经网络建模 BP算法流程图 2017-7-2 谢 谢！