基于PSO-BP神经网络的风电功率MATLAB预测程序

微❤关注“电气仔推送”获得资料（专享优惠）

参考文献

基于风电场运行特性的风电功率预测及应用分析——倪巡天

资源简介

由于自然风具有一定的随机性、不确定性与波动性，这将会使风电场的功率预测受到一定程度的影响，它们之间也是存在着一些内在联系。通过最近的的历史气候情况，来做出相应的预测，对自然风的风速、风力等特点加以分析，以此找到合适的预测模型，对未来的预测结果有了一定的预测时间，从而较好的实现了对预测模型的评估。

神经网络由于收敛时间较长，容易形成局部最小值，陷入局部最优，难以得到全局最优解。基于上述的种种缺点，在实际工作中，例如在线功率预测时，它将受到限制。为得到全局最优、确定最佳权值和阈值，本文采用粒子群算法对其进行优化。即通过PSO 算法进行BP 算法的权值和阈值计算，得到一个比较理想的初始值，该初始值能够保证BP 在预测中迅速达到全局最优解，从而改进了传统BP 神经网络的不足。

根据粒子群算法的特性，有效的将其应用到短期风电风速预测中，对功率预测进行优化，即利用PSO 算法对BP 神经网络进行优化，优化其BP 算法的连接权值和阈值，并将优化后的PSO-BP 神经网络模型用于短期风速预测。预测算法流程如图所示。

输出结果