关键词:
神经网络
新能源
功率预测
数据训练
摘要:
随着新能源发电向电网的渗透,电力系统运行中的模糊性增加,因此,为使电力系统网络稳定运行,准确有效地预测新能源发电量至关重要。本文采用多层前馈人工神经网络(FF-ANN)模型对新能源发电预测数据集进行训练,研究内容涉及两个步骤,即训练和预测。在训练过程中,为了优化FF-ANN的参数,使用了长短记忆学习算法。为了预测新能源功率,提出了一种新的预测技术,该算法被称为加权最小二乘误差相关法(WLSEC),该方法已在C++平台上实现。该模型的性能已经在实际运行中进行了测试,考虑了每小时分辨率的一年的历史数据。本文预测的新能源小时平均绝对百分比误差(MAPE)为7.32%,而反向传播神经网络(BPNN)为9%,这清楚地表明了本文所提出的预测新能源发电模型的有效性。