基于ACO-BP风电功率预测研究.pdfVIP

技术创新I

Technologicalinnovation

基于ACO-BP风电功率预测研究

席管龙，胥勇

（中广核哈密风力发电有限公司，新疆乌鲁木齐830000）

摘要：由于工业化进程的加快、能源危机以及化石能源带来的环境问题，各国都在推动新能源的发展。风电是清洁能源的重要来源，

在清洁能源发电中占有相当大的比重。风电的随机性、波动性和间歇性使其成为一种具有挑战性的能源并入电力系统，因为它会对系统的

稳定性和可靠性构成重大威胁。风电预测可以减轻风电不确定性的影响并增加风电利用率。本文着重研究了风电功率预测对电力系统稳定

性和可靠性的重要性。在分析了风电的特点后，提出利用BP神经网络进行风电功率预测。针对BP神经网络算法存在的初始权值和阈值随机、

局部极小和收敛速度慢等问题，提出一种利用蚁群优化(ACO)确定初始权值和阈值的改进方法。通过规划确定结构中的输入层、隐藏层和

输出层，建立了风电功率预测的神经网络结构。结果表明，所提出的基于ACO的BP神经网络算法模型用于风电功率预测的有效性和优越性。

关键词：风力发电；功率预测；BP神经网络；蚁群算法

随着经济和技术的快速发展，可再生能源的开发和利间［0.1]】和［0,2元］中随机选择的常数；の出现随机风速

用越来越成熟。在风能方面，风电已成为最受欢迎的风能的频率。

利用方式之一。风电作为一种清洁能源，在未来的能源比可以用一阶线性函数来拟合梯度风速的特性。

例中占据着越来越重要的份额。煤炭和石油等非可再生能

源在全球能源消费中占据着相当大的比例，但由于储备有

限，其供应和价格也存在很大的不确定性。(y,(t-t,start)/(t,ena-i,start),t[tj,tartj,nal

可再生能源，如太阳能和风能，是当前社会发展的重V,tE[tj,end,0]

要方向之一。由于风电本身具有优良的特性，得到了较为

广泛的应用。风电功率预测可以帮助电力公司和电网管理其中，V为梯度风速幅值中的最大值；[t,start

者更好地规划和调度风电发电量，从而降低成本并提高可t，end]是梯度风发生和结束的时间间隔。

靠性。风电预测模型以历史数据为基础的预测应用更多。假设在单位时间内气流的速度是v，m为在风机叶片

Previento系统在德国和丹麦等国家得到了广泛应用，上的空气流的质量，C为风能利用率。

提高了风电场的运营效率和可靠性。姜兆宇等人是中国的结合Betz的理论，可以确定最大风能。

学者，在风力发电预测方面进行了研究。他们提出基于人

8

工神经网络的BP神经网络模型。目前我国一些风电设备制P

Pmax=0.5,

27mv2

造企业在提高风机的效率和稳定性方面已经取得了一定的

进展，但与一些国际领先企业相比，仍然有一定差距。因此，风机转速可根据风速不同分成4种形式，风机对风能

需要继续加大对风力发电技术的研究和开发，提高风机的的利用为

效率和稳定性，降低成本，提高发电效益。可靠的风电功P*

率预测变得越来越重要，可以帮助电力系统更好地调度和0wE(0,wo)

备用，提高电力系统的稳定性和经济性，进一步促进风力wE(ao,wb)