基于復合特性Elman神經網絡的風速預測.pdf

1、風速時間序列預測在風電場運行過程中起著非常重要的作用，它不僅關系到風力發(fā)電機的投入運營量，也關系到電力系統(tǒng)的安全、可靠、經濟的運行。風速時間序列的預測精度直接影響著風電領域電力系統(tǒng)的經濟性與穩(wěn)定性，因此風速時間序列預測是國內外重點關注的研究領域之一。
　　近些年來，隨著人工神經網絡建模的成熟化，人工神經網絡模型作為一種重要的預測手段在風速時間序列的預測中得到廣泛應用。在實際應用過程中，由于BP神經網絡出現較早，技術較成熟，通常采用

2、BP神經網絡模型建模，與BP神經網絡相比，Elman神經網絡模型由于具備反饋性與遞歸性，在復雜的風速時間序列預測中具有一定的優(yōu)勢，然而Elman神經網絡還存在易陷入局部極小值，預測精度較差等缺點。
　　針對傳統(tǒng)Elman神經網絡存在的缺點與不足，本文提出將遲滯現象與Elman神經網絡結合的方法，利用平穩(wěn)化處理后的數據構建出具有復合特性Elman神經網絡模型。具體做法是在傳統(tǒng)Elman神經網絡的基礎上，將遲滯因子引入隱藏層和關聯層，

3、用本文中構建的遲滯函數所替代傳統(tǒng)的Sigmoid函數。由于遲滯函數是由兩條閉合的曲線構成，在進行數據處理時，依據指定的規(guī)則進行上下曲線的選擇，使得輸出數據具有一定的隨機跳變性，可以在一定程度上跳出局部極小值，使用平穩(wěn)化處理后的數據，進一步提高了預測的精度。本文采用華北某風電場實際數據對提出的模型和方法進行仿真預測，并與傳統(tǒng)Elman神經網絡進行對比，結果顯示該模型可以明顯提高預測精度。
　　在提出算法的基礎上，本文還提出將算法與實