贾蒙蒙（云南机电职业技术学院电气工程系，云南昆明，650203）



基于蚁群优化BP神经网络的短期风速预测模型

贾蒙蒙
（云南机电职业技术学院电气工程系，云南昆明，650203）

摘要：为了提高风电场短期风速预测精度，实现对风速的短期预测，本文建立了蚁群算法和反向传播（BP）神经网络的短期风速预测模型。该模型以风电场采集的历史时刻风速（采样间隔30min）作为BP神经网络预测模型的输入变量；并利用蚁群算法优化BP神经网络的初始权值和阙值；采用蚁群优化的BP神经网络模型对未来1h风速进行预测。仿真结果表明，该方法较BP神经网络具有预测精度高、收敛速度快的优点。

关键词：风力发电；短期风速预测；蚁群优化；BP神经网络

0 引言

目前，风速预测的方法有时间序列法、卡尔曼滤波法、人工神经网络法、空间相关法、支持向量机法等等。由于反向传播（back propagation， BP）神经网经只要有足够多的隐含层和隐节点，就可以以任意的精度逼近非线性映射关系，其BP学习算法属于全局逼近的方法，有较好的泛化能力，因此可以用于风电场短期风速预测模型的辨识。但是BP神经网络初始的权值和阈值是随机选取的，倘若这些参数的位置选择不当，则会导致网络的收敛速度慢、陷入局部最优值。本文利用风电场风速数据，基于蚁群算法（ACA）理论和BP神经网络理论对风速进行短期预测，尝试利用蚁群算法优化BP神经网络初始权值和阙值，进一步提高风速预测的精度，算例仿真验证了该模型的有效性。……