基于自然进化策略的可再生能源ELM预测两阶段优化训练方法.pdfVIP

第46 卷 第20 期 2022 年10 月25 日 Vol.46No.20 Oct.25，2022 DOI：10.7500/AEPS20210901010 基于自然进化策略的可再生能源ELM预测两阶段优化训练方法 权 浩，吕立臻，郭 健，葛轶文，柳 伟 （南京理工大学自动化学院，江苏省南京市 210094） 摘要：随着中国“双碳”目标的提出和可再生能源接入比例的不断提高，其精确预测对提高新能源 消纳水平和电网稳定性以及降低系统规划运行成本具有重要意义。为此，提出了基于自然进化策 略（NES）的极限学习机（ELM）网络参数两阶段优化训练方法及可再生能源功率预测改进模型。 在第1阶段，使用ELM随机参数和广义矩阵逆运算过程训练模型网络参数。ELM训练过程具有 随机性且矩阵逆运算过程缺少对参数的微调，导致模型虽然训练速度较快，但在精度上有所欠缺。 因此，第2阶段在原有模型训练结果的基础上引入输出层偏移和自适应的NES算法，对网络参数 进行二次优化调整。结果表明,该两阶段优化算法能够有效地提高模型预测精度。 关键词：可再生能源；功率预测；极限学习机；自然进化策略；两阶段训练 ［8-10］ 0 引言 函数拟合和逼近能力 。文献［11-12］研究了当隐 含层节点个数有限时，多层前向神经网络的逼近能 随着中国“双碳”战略和以新能源为主体的新型 力。ELM模型除了被广泛应用于可再生能源预测 电力系统建设目标的提出，未来电力系统将呈现高 ［13］ 领域 ，也被应用在可再生能源的聚合序列生 比例可再生能源和高度电力电子化的“双高”特征。 ［14］ ［15］ 成 、电力系统频率安全评估 和用户用电行为分 可再生能源具有波动性和间歇性等不确定性特征， ［16］ ［1-2］ 类 等方面。 在运行和调度时存在弃风、弃光等问题 。基于可 现有研究大多直接采用ELM实现电力系统中 再生能源历史出力和外部环境因素数据，准确预测 的具体应用，对于ELM原训练方法、输出层偏移和 其出力、有效量化其不确定性对优化风电、光伏电场 自适应优化等问题改进不足。但是原始ELM模型 运行调度以及保障电力系统安全稳定运行具有重要 训练过程具有随机性且在矩阵逆运算过程中缺少对 意义。 参数的微调，导致该模型虽然训练速度较快，但是在 目前，风光预测模型主要分为4类：物理数学模 精度上有所欠缺。已有研究提出引入智能优化算法 型、统计模型、人工智能数据驱动模型和混合模 ［3］ 对ELM模型的参数进行优化。文献［17］采用粒子 型 。其中，比较常见的预测模型有整合滑动平均 ［4］ 群优化算法优化ELM输出权值，文献［