基于自适应变异蝙蝠优化BP神经网络的短期风电功率预测

作者：徐鹏超; 李琰^*; 赵艳雷

来源：电测与仪表, 2021, 58(04): 121-127.

DOI：10.19753/j.issn1001-1390.2021.04.018

• 自适应变异
• BP神经网络
• 蝙蝠算法
• t分布变异
• 短期风电功率预测

风电规模化并网技术的大力发展,进一步增大了对电力系统规划与运行的影响。现今,风电机组出力面临着波动的随机性以及不确定性的技术性问题,为了提高短期风电功率预测的精度,文中提出了一种结合基于群体适应度方差自适应变异的蝙蝠优化算法(AMBA)与BP神经网络算法,就短期风电功率进行精准预测。该模型根据群体适应度方差以及当前最优解的数值来定位当前最优个体的变异概率,并对全局最优个体进行t分布变异,对变异后的蝙蝠个体进行二次寻优。利用AMBA优化BP神经网络中包含的网络参数,进而提高了BP神经网络的预测精度。通过对实例进行分析,将AMBA-BP模型预测效果与其他模型预测结果相对比。结果表明,该模型能有效提高短期风电功率预测精度。

• 单位
  电子工程学院; 山东理工大学