本发明公开了一种基于遗传算法优化BP神经网络的风电功率预测方法，从风电功率预测系统的数据处理模块中获取预测参考数据；对参考数据建立BP神经网络的预测模型，并采用多种群编码对应BP神经网络的不同结构，每个种群分别对神经网络权值阈值编码，生成不同长度的个体，用遗传算法中选择、交叉、变异操作进化优化每个种群，最后判断收敛条件并选择最优个体；再对BP神经网络初始化，用学习率可变的动量BP算法进一步训练网络直至收敛，利用该网络对风电功率进行预测；最后，还反复利用预测值，在一轮预测中进行多次预测实现了跨时间间隔的多步预测。本发明预测精度提高，计算时间减少，稳定性增强。
2022-05-03 22:25:45
1.21MB
1
【预测模型】基于殖民竞争算法优化BP神经网络进行风电功率预测matlab源码.pdf
2022-03-10 16:52:39
1.36MB
1
【预测模型-BP预测】基于麻雀算法SSA优化BP神经网络实现风电功率预测matlab源码.pdf
2021-11-23 18:56:46
1.03MB
1
NWP 的风速、风向、温度、湿度、压强这 5 类典型特征，且多数在单位置 NWP 的基础上建立。因此，为充分利用NWP 信息，研究了 NWP 非典型特征的可用性，并考虑了多个位置的 NWP 信息。在考虑多位置 NWP 及非典型特征时，提出了以最大相关-最小冗余原则提取输入变量的预测方法，并和通过主成分分析提取的方法进行对比。结果表明，多位置 NWP 和非典型特征均包含有效信息，有利于提高预测精度。
2021-11-22 20:30:13
851KB
1
【预测模型-BP预测】基于麻雀算法SSA优化BP神经网络实现风电功率预测matlab源码.zip
2021-10-31 18:07:57
1010KB
1
基于时间序列法的风电功率预测，易春燕，李俊芳，在运用时间序列法预测风速及风电功率的基础上，运用分层统计法对16台风电机组的风速功率数据进行统计分析，得出基于实测数据的风�
2021-09-24 14:17:28
1.14MB
1