论文部分内容阅读
分析了影响风电场发电量的主要因素,提出了一种新的基于人工神经网络的风电场发电量预测方法.针对传统神经网络预测模型的预测质量由于陷入局部最优、训练难收敛等原因而降低的情况,该方法引入了自适应变异粒子群算法( AMPSO)对神经网络的权值和阀值进行训练,并且在训练过程中通过比较不同隐层节点数所对应的输出误差来确定神经网络的最优拓扑结构.使用张北县风电场的实际测量数据进行建模预测,结果证明了本文描述的模型是一种有效可行的风电场发电量预测方法.