基于IAFSA-BPNN的短期风电功率预测.pdfVIP

第45卷 第7期 电力 系统保护与控制 V0l1．45NO．7 2017年 4月 1日 PowerSystem ProtectionandControl Apr．1，2017 D0I：10．7667／PSPC160483 基于IAFSA．BPNN的短期风电功率预测 张颖超 ，王雅晨 ，邓 华 ，熊 雄 ，陈 浩 (1．南京信息工程大学信息与控制学院，江苏 南京 210044； 2．南京信息工程大学气象灾害预报预警与评估协同创新中心，江苏 南京210044) 摘要：为提高短期风电功率预测精度，提出一种基于 IAFSA—BPNN的短期风电功率预测方法。该方法通过改进的 人工鱼群算法来优化BP神经网络的权值和阈值，从而提高BP神经网络的收敛速度和泛化能力。利用2014年上 海某风场实测数据对新算法进行检验。试验结果表明，改进的人工鱼群算法一定程度上克服了原算法后期搜索的盲 目 性较大，收敛速度减慢，搜索精度变低的缺陷。IAFSA．BPNN 混合算法在预测的稳定性和精度、收敛速度等方面优于 BPNN、AFSA—BPNN算法。IAFSA．BPNN算法不仅能提高短期风电功率预测的精度，而且改善了预测结果稳定性。 关键词：短期风电功率预测；人工鱼群算法；BP神经网络；IAFSA．BPNN IAFSA-BPNN forwindpowerprobabilisticforecasting ZHANGYingchao一，WANGYachen，DENG Hua一，XIONGXiong，CHEN Hao (1．SchoolofInformationandControl，NanjingUniversityoflnfomr~ionScienceTechnology,Nanjing210044，China； 2．CollaborativeInnovationCenteronForecastandEvaluationofMeteorologicalDisasters， NanjingUniversityofInfomrationScienceTechnology,Nanjing210044，China) Abstract：AmethodbasedonImprovementArtificialFishSwarmAlgorithm (1AFSA)．BPneuralnetworkalgorithm iS presentedforimprovingtheaccuracyofshort—term windpowerforecasting．Itoptimizestheweightsandthresholdsof BPNN andimprovestheBPNN generalizationcapacityandtherateofconvergence．Byusingthehistoricaldataofawind famr ofShanghaiin2014．IAFSA iSproposedtoovercomethedefectsofrtaditionalArtificia1FishSwamr Algorithm such astheblindnessofsearching，slow convergencespeedandlow searchingprecisionatthelaterstage．Thesimulationresult comparedwithBPneura1networkandAFSA—BPNN algorithm showsthattheIAFSA．BPNN algorithm cannotonly improvethepredictionaccuracyandstability,butalsoshortenthemodel’Srateofconvergence，andimprovetheprecision andstabiliyt inshort-temr windpowerfore