基于混沌麻雀搜索算法优化BP神经网络的短期风电功率预测

在构建以新能源为主体的电力系统方面,风电功率的短期预测对提高电力系统的经济效益和风能利用率十分重要。针对传统麻雀搜索算法(SSA)优化BP(SSA-BP)神经网络对风电功率的短期预测存在易陷入局部最优、收敛速度较慢和预测精度不高等问题,提出一种基于混沌麻雀搜索优化算法(CSSOA)优化BP(CSSOA-BP)神经网络的短期风电功率预测方法。该文以西北某风电场作为研究对象,引入皮尔逊(person)相关系数,分析出与风电功率输出相关性较强的风电机组数据集作为模型的输入,避免冗余数据影响风电功率的预测;利用SSA算法和CSSOA算法分别改进BP神经网络;使用该风电场实测历史数据对各预测模型进行仿真测试。仿真结果表明:基于CSSOA-BP的预测模型相较于SSA-BP拥有更好的预测精度,更符合电力工业生产的需求。