（玉林师范学院教育技术中心，广西 玉林 537000）

基于情感神经网络的风电功率预测

张国玲

（玉林师范学院教育技术中心，广西 玉林 537000）

风力发电功率预测对于风能并网具有重要意义。采用一种可用于复杂系统和模式建模的新型神经网络——情感神经网络，对风力发电功率进行预测。为防止ENN在训练时陷入局部最优解，提出采用遗传算法对其进行训练。采用预测误差的均方根和标准差衡量预测准确性、稳定性，对ENN性能进行了检验。结果表明，相比于人工神经网络、支持向量机和自滑动回归模型，ENN能够获得更高的预测准确率和预测可靠性。

情感神经网络；风力发电功率；预测；遗传算法

1 引言

能源问题是当今世界难题，发展风力发电是解决能源问题的有效途径之一。但由于风的不可控性，风电场风电功率也会随机波动。这种波动随着风电的快速发展对电网影响日益增大，导致风电入网后，很难维持电力系统电源和负荷之间的平衡。针对此类问题，亟需研究者对风电功率做出预测，从而保证风电场有功控制模块系统的可靠性、安全性和可控性，帮助电力系统合理调配资源。

针对风力发电功率预测问题，目前已有大量学者对其展开研究，并先后出现基于物理和基于数学统计的预测方法[1,2]。基于物理的预测方法从天气预报数据中计算出风速、风向、气压、气温等指标数值，并综合考虑风电场周围等高线、粗糙度、障碍物、温度分层等信息计算风电机组轮毂高度的风速、风向等数值，然后依据功率曲线得出输出功率。……