电网技术
電網技術
전망기술
Power System Technology
2015年
8期
2160-2166
,共7页
江岳春%张丙江%邢方方%张雨%王志刚
江嶽春%張丙江%邢方方%張雨%王誌剛
강악춘%장병강%형방방%장우%왕지강
混沌时间序列%BP神经网络%GA算法%Volterra 泛函模型%风功率超短期多步预测
混沌時間序列%BP神經網絡%GA算法%Volterra 汎函模型%風功率超短期多步預測
혼돈시간서렬%BP신경망락%GA산법%Volterra 범함모형%풍공솔초단기다보예측
chaotic time series%BP neural network%GA algorithm%Volterra functional model%super short-term wind power multi-step prediction
随着风电在电力系统中的渗透水平不断提高,能准确、可靠地进行风功率预测至关重要.为提高风功率超短期预测精度,利用风功率时间序列的混沌特性,推导分析了Volterra 泛函模型和3层前馈(back propagation,BP)神经网络在结构上的一致性,提出混沌时间序列遗传算法-Volterra神经网络(genetic algorithm-Volterra neural network,GA-VNN)模型,对超短期风功率进行多步预测.该模型将实用的Volterra泛函模型和BP神经网络结合起来,解决了求解Volterra泛函模型高阶核函数的问题.同时设计了一种混沌时间序列GA-VNN模型的学习算法,在算法中利用GA全局寻优能力来优化BP神经网络,获得最优的初始权值和阀值.将上述方法应用于某风电场风功率超短期多步预测中,结果验证了所提模型的多步预测性能明显优于Volterra预测滤波器和BP神经网络.
隨著風電在電力繫統中的滲透水平不斷提高,能準確、可靠地進行風功率預測至關重要.為提高風功率超短期預測精度,利用風功率時間序列的混沌特性,推導分析瞭Volterra 汎函模型和3層前饋(back propagation,BP)神經網絡在結構上的一緻性,提齣混沌時間序列遺傳算法-Volterra神經網絡(genetic algorithm-Volterra neural network,GA-VNN)模型,對超短期風功率進行多步預測.該模型將實用的Volterra汎函模型和BP神經網絡結閤起來,解決瞭求解Volterra汎函模型高階覈函數的問題.同時設計瞭一種混沌時間序列GA-VNN模型的學習算法,在算法中利用GA全跼尋優能力來優化BP神經網絡,穫得最優的初始權值和閥值.將上述方法應用于某風電場風功率超短期多步預測中,結果驗證瞭所提模型的多步預測性能明顯優于Volterra預測濾波器和BP神經網絡.
수착풍전재전력계통중적삼투수평불단제고,능준학、가고지진행풍공솔예측지관중요.위제고풍공솔초단기예측정도,이용풍공솔시간서렬적혼돈특성,추도분석료Volterra 범함모형화3층전궤(back propagation,BP)신경망락재결구상적일치성,제출혼돈시간서렬유전산법-Volterra신경망락(genetic algorithm-Volterra neural network,GA-VNN)모형,대초단기풍공솔진행다보예측.해모형장실용적Volterra범함모형화BP신경망락결합기래,해결료구해Volterra범함모형고계핵함수적문제.동시설계료일충혼돈시간서렬GA-VNN모형적학습산법,재산법중이용GA전국심우능력래우화BP신경망락,획득최우적초시권치화벌치.장상술방법응용우모풍전장풍공솔초단기다보예측중,결과험증료소제모형적다보예측성능명현우우Volterra예측려파기화BP신경망락.