基于主成分-遗传神经网络的短期风电功率预测

短期风电功率预测对接入大量风电的电力系统运行具有重要的意义，建立了基于主成分分析与遗传神经网络相结合的短期风电功率预测模型。该模型先对原始输入数据进行主成分分析，分析结果作为神经网络预测模型的输入；为克服BP神经网络训练时间长、易陷入局部极小值的的缺陷，采用遗传算法优化神经网络的初始权值和阈值，并使用Levenberg-Marquardt算法对网络权值和阈值进行细化训练。经某风电场实际数据验证，与GA神经网络模型、PCA—LM神经网络模型相比，预测精度明显提高，为短期风电功率预测提供了一种有效的方法。