基于遗传算法改进BP神经网络的风电功率预测研究
王冰冰，赵天乐
（南京理工大学 自动化学院，江苏 南京 210094）
摘 要：风电功率预测对于风电场和电网的安全可靠运行具有重要意义。以某风力发电机为研究对象，根据该风机历史天气信息和风电功率数据，使用遗传算法改进BP神经网络，构建复合型神经网络的风电功率预测系统。运用MATLAB软件对算法进行编程与仿真，仿真结果表明，单一的BP神经网络预测系统波动性较高，精度不足，而复合型的神经网络算法有效地解决了这一问题，改进后的预测系统精度较高、稳定性较强，满足工业生产需求。
关键词：风电；功率预测；BP 神经网络；遗传算法
中图分类号：TM614 文献标识码：A 文章编号：1007-3175(2019)12-0016-06
Research on Wind Power Prediction Based on Improved BP Neural Network of Genetic Algorithm
WANG Bing-bing, ZHAO Tian-le
（School of Automation, Nanjing University of Science and Technology, Nanjing 210094, China）
Abstract: Wind power prediction is of great significance for the safe and reliable operation of wind farms and power system. Taking a wind turbine as the research object, according to the historical weather information and power generation data of the turbine, the BP neural network was improved by genetic algorithm, and a composite neural network wind power prediction system was constructed. The arithmetic was programmed and simulated by MATLAB. The simulation results show that the single BP neural network prediction system has high fluctuation and insufficient precision, however, the compound neural network algorithm effectively solves this problem. The improved prediction system has high accuracy and stability, and meets the requirements of industrial production.
Key words: wind power; power prediction; BP neural network; genetic algorithm
参考文献
[1] CHEN Daojun，GONG Qingwu，ZOU Bichang，et al. A low-carbon dispatch model in a wind power integrated system considering wind speed forecasting and energy-environmental efficiency[J].Energies，2012，5(4)：1245-1270.
[2] 黎静华，桑川川，甘一夫，等. 风电功率预测技术研究综述[J]. 现代电力，2017，34(3)：1-11.
[3] 陈道君，龚庆武，金朝意，等. 基于自适应扰动量子粒子群算法参数优化的支持向量回归机短期风电功率预测[J]. 电网技术，2013，37(4)：974-980.
[4] 何东，刘瑞叶. 基于主成分分析的神经网络动态集成风功率超短期预测[J]. 电力系统保护与控制，2013，41(4)：50-54．
[5] 袁铁江，晁勤，李义岩，等. 大规模风电并网电力系统经济调度中风电场出力的短期预测模型[J].中国电机工程学报，2010，30(13)：23-27.
[6] 黄辰，吴峻青. 基于人工神经网络的短期风电功率预测[J]. 华东电力，2014，42(7)：1408-1410.
[7] 范高峰，王伟胜，刘纯. 基于人工神经网络的风电功率短期预测系统[J]. 电网技术，2008，32(22)：72-76.
[8] 李刚，吴潮，赵建平. 基于改进果蝇神经网络的短期风电功率预测[J]. 测控技术，2018，37(7)：23-31.
[9] 杨志凌，刘永前. 应用粒子群优化算法的短期风电功率预测[J]. 电网技术，2011，35(5)：159-164.
[10] 杨琦，张建华，王向峰，等. 基于小波- 神经网络的风速及风力发电量预测[J]. 电网技术，2009，33(17)：44-48．
[11] 肖迁，李文华，李志刚，等. 基于改进的小波-BP神经网络的风速和风电功率预测[J]. 电力系统保护与控制，2014，42(15)：80-86.
[12] 刘纯，范高峰，王伟胜，等. 风电场输出功率的组合预测模型[J]. 电网技术，2009，33(13)：74-79．
[13] 彭小圣，熊磊，文劲宇，等. 风电集群短期及超短期功率预测精度改进方法综述[J]. 中国电机工程学报，2016，36(23)：14-25.
[14] BARBOUNIS T G, THEOCHARIS J B, ALEXIADIS M C, et al. Long-term wind speed and power forecasting using local recurrent neural network models[J].IEEE Transactions on Energy Conversion，2006，21(1)：273-284.
