基于遗传神经网络的短期风电功率预测
短期风电功率预测对我国即将接入大量风电的电力系统运行有着重要的现实意义。首先对采样时间为10min的风电功率时间序列建立ARMA(自回归移动平均)模型,以此模型和ARMA模型残差确定神经网络的训练样本集,实现神经网络样本设计、结构设计与网络训练,建立了标准BP神经网络模型。结合遗传算法与BP神经网络各自的特点,利用遗传算法优化BP神经网络的权重和阈值,解决了标准BP神经网络在预测中结果不稳定的缺点,并建立了遗传神经网络模型。将ARMA模型、标准BP神经网络模型和遗传神经网络模型分别应用于风电功率预测中,结果表明,遗传神经网络模型的预测效果优于其他两个模型。
风电功率 遗传算法 神经网络 电力系统
何育 高山
东南大学电气工程学院 江苏南京 210009
国内会议
长沙
中文
1-5
2009-10-01（万方平台首次上网日期，不代表论文的发表时间）