基于主成分-遗传神经网络短期风电功率预测.pdf

第40卷 第23期 电力 系统保护与控制 Vb1．40No．23 2012年 12月 1日 PowerSystem ProtectionandControl Dec．1，2012 基于主成分一遗传神经网络的短期风电功率预测 罗 毅，刘 峰，刘向杰 (华北电力大学控制与计算机工程学院，北京 102206) 摘要：短期风电功率预测对接入大量风电的电力系统运行具有重要的意义，建立了基于主成分分析与遗传神经网络相结合的 短期风电功率预测模型。该模型先对原始输入数据进行主成分分析，分析结果作为神经网络预测模型的输入；为克服 BP神 经 网络训练时间长 、易陷入局部极小值 的的缺 陷，采用遗传算法优化神经 网络 的初始权值和 阈值 ，并使用 Levenberg-Marquardt算法对网络权值和阈值进行细化训练。经某风 电场实际数据验证，与 GA神经网络模型、PCA-LM神经 网络模型相比，预测精度明显提高，为短期风电功率预测提供 了一种有效的方法。 关键词：风电功率；神经网络；遗传算法；主成分分析；短期预测 Short-term windpowerpredictionbasedonprincipalcomponentanalysisandgeneticneuralnetwork LUOYi，LIUFeng，LIUXiang-jie (SchoolofControlandComputerEngineering，NorthChinaElectricPowerUniversity,Bering102206，China) Abstract：Short-termwindpowerpredictionisimportanttotheoperationofpowersystemwiht comparativelylargeamountofwind power,ashort-circiutwindpowerpredictingmodelbasedonprincipalcomponentnaalysis(PCA)methodnadgeneticneuralnetwork isproposed．PCA isappliedtoprocessoriginalinputdata,theprincipalcomponentsaleusedasinputdataforneuralnetwork．In ordertosolvetheproblemsofslow convergencespeednadbeingeasytofallintolocalminimum ofBPneuralnewtork,gen~ic algorithm(GA)isusedtomakeathoroughserachingfortheinitialweihgtsandthresholds，nadhteLevenbergM·arquardt(L-M) methodisusedtofinelytrainthenewtork．Basedonhteactualdataofawindfarm，hteforecastingresultsbyhteproposedmehtodis moreprecisethanhtoseby GAneuralnetworkmodelnadPCA-LMneuralnetworkmodel，providingna effectivewayotforecast short-temr windpower． Thisworkissupportedby NationalNaturalScienceFoundationofChina(No．609740511nadBeijingNaturalScience FoundationN(o．4122071)． Keywords：windpower；neuralnewtork；geneticalgorithm；principalcomponent naalysis；short-temr prediction 中图分类号： TM614 文献标识码：A 文章编号： 1674．3415(2012)23—0047．07