基于自适应Elman神经网络的短期风电功率预测.pdfVIP

1O2西安理工大学学报JournalofXi’anUniversityofTechno1ogy(2O14)Vo1．30No．1

文章编号：1006—4710(2014)Ol一0102-06

基于自适应Elman神经网络的短期风电功率预测

肖蕾，李郁侠

(西安理工大学水利水电学院，陕西西安710048)

摘要：针对BP神经网络动态性能的不足、适应性较差的问题，提出了基于自适应Elman神经网络

的短期风电功率预测模型。通过对比不同隐含层数的Elman预测模型的预测误差，选取最小误差

的隐含层数作为自适应Elman预测模型的隐含层数；根据不同的训练集和预测集的输入，自动调

节Elman隐含层节点数，实现隐舍层节点数的自适应，寻求具有最佳隐含层节点数的预测模型，提

高了风电功率预测精度。

关键词：短期风电功率预测；不同隐含层数；隐含层节点数的自适应；自适应Elman神经网络模型

中图分类号：TB551文献标志码：A

Short—termwindpowerpredictionbasedonadaptiveElmanneuralnetwork

XIA0Lei，LIYuxia

(FacultyofWaterResourcesandHydroelectricEngineering，Xi’anUniversityofTechnology，Xi’an710048，China)

Abstract：WithanaimattheproblemsofshortageoftheBPneuralnetworkdynamicperformance

andlow—adaptability。ashort—termwindpowerpredictionmode1basedontheadaptiveElmanneu

ralnetworkisproposedinthispaper．Throughthecomparisonofpredictionerrorsinthenumber

ofdifferenthiddenlayersofElmanpredictionmode1．thenumberoftheminimumerrorhidden

layersisselectedasthenumberofhiddenlayersintheadaptiveElmanpredictionmode1．Inac—

cordancewiththeinputsofdifferenttrainingsetandpredictionset，thenumberofElmanhidden

layernodescanbeautomaticallyregulatedSOastorealizetheadaptationofnumberofhiddenlay—

ernodesandtoseekforthepredictionmodelwiththebestnumberofhiddenlayernodes，where—

byimprovingthepredictionaccuracyofwindpower．

Keywords：short—termwindpowerforecast；differenthiddenlayer；theadaptabilityofthenum—

berofhiddenlayernode：adaptiveElmanneuralnetworkmodel

短期风电功率预测可为电网调度部门进行经济精度很难提高]。

调度和风电竞价上网提供依据，预测精度的提高一风电功率预测模型的输入变量包括温度、风速

直是研究的重点uJ。等，这些因素是随时问变化的。为根据风电场所在

早期的预测技术主要有趋势外推法、回归分析区域的实际情况进行预测模型的自动调整，本文建

法、时间序列法等，这些方法预测精