一种自主多层神经网风能预测算法

高僮 陈波涛 张海峰

（国网长春供电公司，吉林长春 130021）

一种自主多层神经网风能预测算法

高僮 陈波涛 张海峰

（国网长春供电公司，吉林长春 130021）

当前以风电为代表的可再生能源技术在世界范围内得到了快速发展。由于风电的不稳定性，自然风力时强时弱会引起风电的电能质量、电压、电网稳定性等问题，最终影响整个电网的稳定性。进行风能预测可以预估风电的发电出力程度，对于整个电网的稳定十分重要。基于此，提出一种自主多层神经网风能预测算法，通过自组织算法来动态地决定风能预测神经网模型的层数、中间节点个数、传输函数类型。试验表明通过本算法获得的模型具有更高的预测精度。

风能预测；神经网；自主结构；回归分析；风力发电

当前以风电为代表的可再生能源技术在世界范围内得到了快速发展。由于风电的不稳定性，自然风力时强时弱会引起风电电源的电能质量、电压、电网稳定性等问题，最终影响整个电网的稳定性［1，2］。进行风能预测可以预估风电的发电出力程度，对于整个电网的稳定十分重要。目前，引入人工智能算法进行风能预测已经得到了广泛的关注［3，4］。

由于风能预测需要引入的条件众多，风能预测采用的参数、模型结构、处理方式对于其预测有较大影响，通过人工不断的试错来调整模型结构和参数效率较低，较难发现较好的模型结构，进而影响风能预测的效率。针对以上问题，本文提出了一种自主多层神经网风能预测算法（A Self-organized Multilayer Neural Network Wind Power Prediction Algorithm，S-MLP），通过自组织算法来动态地决定风能预测神经网模型的层数、中间节点个数、传输函数类型，试验表明通过本算法获得的模型具有更高的预测精度。

1 一种基于自主多层神经网风能预测算法

1.1 多层神经网理论

如图1所示，多层神经网是由多组神经元连接而成的，一个神经元的输出可以作为另外一个神经元的输入。

图1 神经网的多层次结构

如图1所示的神经网包含3个层：1个输入层Layer L1，2个中间层Layer L2和Layer L3，以及一个输出层Lay⁃er L4。除了输出层之外，每一层还可以包含一个偏置b。神经网的输出采用正向传播方式，来决定每一层神经元的输出，如式（1）（2）所示：

式（1）（2）中，l对应层数，b(l)为第l层的偏置，w(l)为第l层的权重，z(l+1)为第l+1层的其上一层（第l层）经过计算后的输入，a(l+1)为经过传输计算后获得的输出。对于一个m层的多层神经网，其输入对应神经网的第1层a(1)=x，其最后一层作为神经网的输出，可以表达为：

式（3）中，w和b对应所有层的权重和偏置，此时多层神经网使用反向传播来实现训练过程，其训练的目标函数为：

通过对改目标函数优化求解，最终获得整个神经网的权重与偏置。

1.2 自主多层神经网风能预测算法

神经网的预测能力与其模型结构密切相关，本文利用以下自组织算法获得神经网的模型：

模型结构自组织算法

输入：风能训练样本samples输出：风能预测模型model

2 试验与仿真

本文引入多个风电场的实际运行数据，取出1 000个输入和输出对应数据构建样本集。其中500个作为训练数据，另外500个作为测试数据。为了验证算法的有效性，本文提出S-MLP算法与多元回归分析、三层神经网进行对比，将训练数据进一步划分为50，100，150，……，500共计10组数据，3种算法预测精度如表1所示。

表1 3种分类预测精度对比

如表1所示，可以看出S-MLP的分类精度比多元回归分析、三层神经网高，在较低样本的时候就可以达到较高分类精度80%，而在500个样本时达到了最高的预测精度94%。

3 结论

本文提出了一种自主多层神经网风能预测算法，通过与多元回归分析、三层神经网进行对比，表明本文提出的算法在分类精度和稳定性均优于传统算法，尤其是样本较少的情况下仍然可以保持较高的预测精度。

［1］刘其辉，贺益康，赵仁德.交流励磁变速恒频风力发电系统的运行与控制［J］.电工技术学报，2008（1）：129-136.

［2］陈俊风，任子武，伞冶.径向基函数神经网络的一种两级学习方法［J］.控制理论与应用，2008（4）：655-660.

［3］王新生，吴吟箫，何川.基于风速预测的最大风能追踪控制系统仿真［J］.电机与控制学报，2010（2）：20-24.

［4］李洪涛.人工神经网络和模糊技术在风能预测中的应用［J］.中国电力，2012（8）：69-73.

A Self-organized Multilayer Neural Network Wind Power Prediction Algorithm

Gao TongChen BotaoZhang Haifeng
（State Grid Changchun Power Supply Company，Changchun Jilin 130021）

At present,the renewable energy technologies represented by wind power have been developing rapidly all over the world.Due to the instability of wind power,natural wind power will cause the problem of power quality,volt⁃age and grid stability,which will affect the stability of the whole power grid.Wind power prediction can predict the extent of wind power generation,the stability of the entire power grid is very important.Based on this,a self-orga⁃nized multi-layer neural network wind power prediction algorithm(S-MLP)was proposed,the number of layers,the number of intermediate nodes,and the type of transfer function of the neural network model could be dynamically de⁃termined by the self-organizing algorithm.The experimental results show that the model obtained by this algorithm has higher prediction accuracy.

wind energy prediction；neural network；self-organized structure；regression analysis；wind power gener⁃ation

TP183；TM614

A

1003-5168（2016）12-0040-02

2016-11-12

高僮（1971-），女，本科，高级工程师，研究方向：配电网自动化、电力营销与服务。