[发明专利]一种优化回声状态网络的风力发电功率预测方法及装置

说明书

本发明涉及一种优化回声状态网络的风力发电功率预测方法及装置，所述方法包括：利用风力发电功率历史数据作为训练样本，训练获取用于预测风力发电功率的回声状态网络模型；以回声状态网络模型预测误差最小为目标优化所述回声状态网络模型的参数；利用优化后的回声状态网络模型对风力发电功率进行预测。本发明提供的技术方案利用回声状态网络具有的强大非线性映射能力，同时结合萤火虫优化算法的快速且精确的寻优能力，根据历史输入样本不断对回声状态网络的关键参数进行优化更新，以提高回声状态网络预测的准确度。

技术领域

本发明涉及风力发电的技术领域，具体涉及一种优化回声状态网络的风力发电功率预测方法及装置。

背景技术

回声状态网络属新型的递归神经网络，在非线性混沌系统预测建模方面与传统的递归神经网络相比有了较大改进，学习算法本身属于凸优化，因此避免了陷入局部极小值的问题，尤其在时间序列的预测问题应用极佳。

萤火虫算法是一种原理简明、所需参数较少、较为新颖的智能优化算法，通过引入萤火虫个体适应度变异环节，克服标准萤火虫算法的收敛速度、求解精度等问题。

随着全球石化资源储量的日渐匮乏以及低碳、环保概念的逐步深化，风能作为一种典型的可再生资源，由于其资源丰富，并且具备大规模开发的条件，其开发与利用在全世界范围内受到了广泛的关注。

风能在快速发展的同时也面临着突出的问题。近年来，随着风电场规模的不断扩大，其本身所具有的随机性和间歇性对电网的安全性、稳定性和电能质量等都造成了巨大的冲击和影响，这显然会给大规模的风电并网、电网调峰、调频带来巨大的困难。因此，将风力发电功率从未知变成已知，对电力系统的运行有着重大的意义。准确的风电功率预测，可以在保证供电系统平衡与安全的前提下，降低风力发电的成本，并减少风力发电并网时对电网稳定性的冲击，从而达到提高风力发电价值的目的。

目前，主要的风力发电输出功率预测方法包括时间序列法、基于数值天气预报的预测方法、统计方法等，这些方法通过历史数据试图找出天气状况与风力发电功率的关系来对风电功率进行预测，但其存在模型预测精度低，模型复杂的问题。

发明内容

为了解决风力发电输出功率预测不准确的问题，本发明提供一种优化回声状态网络的风力发电功率预测方法及装置，通过本方法，从风电功率时序数据出发，引入回声状态网络充分挖掘数列信息，结合改进萤火虫优化算法不断对回声状态网络的关键参数进行优化更新，从而迅速精简地对风力发电功率进行预测，且预测结果具备很高的精确度。

本发明提供的一种优化回声状态网络的风力发电功率预测方法，其改进之处在于，包括：

利用风力发电功率历史数据作为训练样本，训练获取用于预测风力发电功率的回声状态网络模型；

以回声状态网络模型预测误差最小为目标优化所述回声状态网络模型的参数；

利用优化后的回声状态网络模型对风力发电功率进行预测。

优选的，所述以回声状态网络模型预测误差最小为目标优化所述回声状态网络模型的参数，包括：

利用萤火虫算法优化所述回声状态网络模型的参数，其中，所述萤火虫算法中利用所述回声状态网络模型的参数构建萤火虫个体及萤火虫种群，所述萤火虫算法的适应度函数为：

上式中，M为预测时间段长度，y(k)为所述回声状态网络在k时刻的预测风力发电功率，为所述回声状态网络在k时刻的实际风力发电功率。

进一步的，所述回声状态网络模型的参数包括连接权谱半径、储备池规模、输入单元尺度及稀疏程度。

优选的，所述利用优化后的回声状态网络模型对风力发电功率进行预测，包括：