All Title Author
Keywords Abstract

Smart Grid  2012 

基于L-M优化BP神经网络的风电功率预测
The Capacity Prediction for the Wind Power Based on L-M Optimized BP Algorithm

DOI: 10.12677/sg.2012.22007, PP. 35-40

Keywords: 风电功率预测;L-M优化;BP算法;神经网络
Prediction of Wind Power
, L-M Optimize, BP Algorithm, Neural Network

Full-Text   Cite this paper   Add to My Lib

Abstract:

在传统BP算法的基础上,将Levenbery-Marquardt优化法与神经网络模型相结合的L-M优化BP算法进行了深入应用和分析。此方法与传统算法相比提高了系统的学习速度,加快了网络的收敛。针对某风电场58台机组额定功率为850 kw的风电机组20(15分钟一个预测点)的历史数据使用L-M算法优化下的前馈神经网络模型——BP神经网络模型进行了该风电场的实时预测,结果表明该方法在一定程度上更好的逼近了真实的曲线。
Based on the traditional BP algorithm, combining Levenhery-Marquardt optimized algorithm and a neural network forecasting methodthis paper put forward a L-M optimized BP algorithm. The algorithm quickens the train, improves stability. For the real power data of 58 wind turbines of some wind farm in somewhere, a real-time prediction has been made based on L-M optimized BP algorithm, and the result shows that the algorithm produces better results than traditional method.

References

[1]  洪翠, 林维明, 温步瀛. 风电场风速及风电功率预测方法研究综述[J]. 电网与清洁能源, 2011, 27(1): 20-66.
[2]  屠强. 风电功率预测技术的应用现状及运行建议[J]. 电网与清洁能源, 2009, 25(10): 4-9.
[3]  曹邦兴. LM算法在地下水动态预测中的应用研究[J]. 广西水利水电, 2007, 3: 4-5, 16.
[4]  代小红, 王光利. L-M优化BP算法在短期负荷预测中的应用[J]. 计算机科学, 2011, 38(7): 265-267.
[5]  刘玉. 基于实测数据分析的大型风电场风电功率预测研究[J]. 黑龙江电力, 2011, 33(1): 11-15.

Full-Text

comments powered by Disqus