[发明专利]一种基于多延迟输出回声状态网的风力发电功率预测方法

说明书

一种基于多延迟输出回声状态网的风力发电功率预测方法，包括以下步骤：S01：采集风力发电功率的历史数据以及影响因素数据；S02：构建多延迟输出回声状态网；根据风力发电功率的历史数据以及影响因素数据构建预测样本的训练数据集和测试数据集；S03：将多延迟输出回声状态网初始化，开始进行训练；S04：对多延迟输出回声状态网的储备池进行设置；S05：初始化输出权重；S06：对多延迟输出回声状态网需要优化的参数进行优化；S07：判断是否退出训练的迭代循环；S08：将多延迟输出回声状态网作为风力发电预测网络投入使用。本发明大大减少了网络的学习时间；解决了会陷入局部最小值的问题；提高了风力发电预测的准确度。

技术领域

本发明涉及风力发电领域，特别是一种基于多延迟输出回声状态网的风力发电功率预测方法。

背景技术

近年来，由于全球对电能的需求不断增长，而传统的化石资源正在枯竭，风能作为一种可再生能源迅速发展，受到了全球的关注。风能发电具有比传统能源发电更加清洁环保，以及取之不尽用之不竭的特点，是目前世界上首选的可再生能源发电模式。尽管风力发电在环境和可持续性方面有许多优势，但它具有高度不稳定性和延迟大等特点。因此，需要随时对风力发电进行可靠的预测以及对预测准确性的需求非常高。如何快速准确的预测风力发电功率成为了研究热点。

风力发电预测已提出了四种风力预测方法，即物理建模，统计方法，人工神经网络及其混合方法。风能具有较强随机性、间歇性以及波动性，传统递归神经网络在风力发电预测的过程中，存在训练时间长、易陷入局部最小值及预测精度不高等问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于多延迟输出回声状态网的风力发电功率预测方法，大大减少了网络的学习时间；解决了会陷入局部最小值的问题；提高了风力发电预测的准确度。

本发明的目的是通过以下技术方案来实现的：

一种基于多延迟输出回声状态网的风力发电功率预测方法，包括以下步骤：

S01：采集风力发电功率的历史数据以及影响因素数据；

S02：构建多延迟输出回声状态网，所述多延迟输出回声状态网的输入为影响因素数据，所述多延迟输出回声状态网的输出为风力发电功率的预测值；根据风力发电功率的历史数据以及影响因素数据构建预测样本的训练数据集和测试数据集；

S03：将多延迟输出回声状态网初始化，开始进行训练；

S04：对多延迟输出回声状态网的储备池进行设置；

S05：初始化输出权重；

S06：对多延迟输出回声状态网需要优化的参数进行优化；

S07：判断是否退出训练的迭代循环；

S08：将多延迟输出回声状态网作为风力发电预测网络投入使用。

进一步，所述影响因素数据包括风速以及风向。

进一步，步骤S02包括以下子步骤：

S0201：将标准回声状态网公式按下式修改得到多延迟输出回声状态网：

x(n+1)＝a_xx(n)+f(Wⁱⁿu(n+1)+Wx(n)+W^fby(n))