APP下载

基于遗传算法优化BP神经网络模型的风电功率预测

2021-06-28张启龙王立威

电子测试 2021年1期
关键词:优化模型

张启龙,王立威

(六盘水师范学院物理与电气工程学院,贵州六盘水,553000)

0 引言

大型的风力发电厂的发展进度日益增快,风能是非常重要的一种清洁能源[1]。但是风能这种非常不连贯持续的能源能够让风电机反复出现不稳定的表现,会严重影响到风电系统的稳定性[2]。所以,倘若有一个稳定的输出功率预估模型具有巨大的意义[3]。

由此可见,此篇文章运用了统计预测方法,把历史实际输出功率以及风力的速度当成BP神经网络输入的参数,同时运用遗传算法进一步优化算出神经网络的参数值(权值和阈值),构造GA-BP神经网络风电输出功率预测模型。通过实际案例测试分析,用结论确定该模型可有效提高预测精度。

1 遗传算法

遗传算法(GA)由来于达尔文的生命进化论(繁殖、交配和突变)[4,5]。在GA中,通过种群的繁殖、进化而得到最优解。

在GA中,有三类遗传算子:选择,交叉和变异。

(1)选择。在一部分有规律的数据中挑选某些数据当作下一组数据就是选择算子。常用的选择算子包括:轮盘赌法、锦标赛法等,本文采用轮盘赌法[6],即:

式中:iF表示个体i的适应度值;pi表示 i的选择概率;k为系数;N为种群个体数目。

(2)交叉。交叉算子模拟遗传重组过程,以便将当前的最佳基因转移到下一个群体中并获得新的个体。交叉算子的具体步骤如下:

Step1:随机选择对象;

Step2:据所选对象长度,随机选择交叉位置。

Step3:定义交叉概率 Pc(0<Pc≤1),运行交叉算子,改变基因。第k个染色体 ak以及染色体一号 akl在 j位的相互交错如下:

登录APP查看全文

猜你喜欢

优化模型
一半模型
超限高层建筑结构设计与优化思考
民用建筑防烟排烟设计优化探讨
关于优化消防安全告知承诺的一些思考
一道优化题的几何解法
由“形”启“数”优化运算——以2021年解析几何高考题为例
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
基于低碳物流的公路运输优化