基于混沌dna遗传算法与pso组合优化rnn短期风电功率预测.pdf

第卷第期电力系统保护与控制..
年月日..
基于混沌遗传算法与组合优化的
短期风电功率预测
周洪煜,曾济贫,王照阳,赵乾
.重庆大学动力工程学院,重庆;.国电南京自动化股份有限公司,江苏南京
摘要:提高短期风电功率的预测精度对保证电力系统安全、稳定地运行具有重大意义。针对风速信号的强奇异性,采用脊波
神经网络建立短期风电功率的预测模型;同时利用混沌遗传算法确定脊波神经网络的隐层结构,采用粒子群算法优化网
络的连接权值及方向向量。对新疆某风电场的输出功率进行了预测实验,并比较了优化前后脊波网络模型的预测性能。研究
结果表明采用粒子群与混沌遗传算法组合优化后的脊波神经网络均方根误差降至.%,预测精度得到显著提高。
关键词:风电功率;预测;混沌遗传算法;粒子群;脊波神经网络


.,.,.,
.,,;
..,,,
:—
. ,
—.
,.
,
.
.% .
.
:;;;;
中图分类号: 文献标识码: 文章编号: ——
得到了广泛的应用。目前,用于短期风电功率预测
引言
的统计方法主要有:神经网络、小波分析、支持向
近年来风电因其开发技术成熟、开发成本低廉量机和组合预测方法等【。
已被多个国家列为国家能源的优先发展战略。然而, 神经网络因其具有良好的学习能力和非线性逼
风能固有的波动性与间歇性对电力系统的安全与稳近能力,在建立风电功率的预测模型方面得到了广
定产生了很大的影响,风电并网存在着严重问题。泛的应用。优化网络结构一直是提高预测精度的有
提高风电功率预测精度特别是提高短期风电功率的效途径之一。近几年,国内外学者在优化网络结构
预测精度对电力系统调度、制定风电场维修计划和提高风电预测模型的精度方面做了大量工作。文献
电力市场交易等具有重要意义。。】通过组合的方法将不同的网络模型或不同的算
短期风电功率的预测方法主要分为物理方法和法组合到一起;:遗传算
统计预测方法。物理方法的预测精度受风电场的物法、粒子群算法、差分演化算法等对所建模型的结
理条件影响较大,统计方法因其较高的预测精度, 构进行了优化;
周洪煜,等基于混沌遗传算法与组合优化的短期风电功率预测
络结合起来提高了预测精度。所示。
然而预测模型的精度,特别是短期风电功率预
测模型的精度仍然不能满足电力系统的要求。由于
受湍流及风机偏航装置对风向改变的滞后性等因素
的影响,风力发电机的实际输出功率与风速之间存
在着一定的分散性。实际的风速及功率信号呈现出

强烈的波动性与奇异性。传统的神经网络在高维非/
线性函数映射及奇异性信号分析方面能力不足,难
以建立起风电预测的精确模型。小波核函数与前向
网络组成的小波神经网络因其具有局部时频分辨能
力故而在非线性系统建模及对奇异性信号分析方面
较之其他神经网络表现出更优异的性能。文献
利用小波变换对风速信号中的奇异信号进行了辨识

与研究;然而小波函数的局限在于其方向有限,不
能最优地表示含线状或面状奇异性的函数引。在小图功率与风速的时间序列
波核函数中加入方向向量构成的脊波核函数