一种基于改进GSA-BP神经网络的风电预测方法及预测系统

摘要

本发明提供一种基于改进GSA‑BP神经网络的风电预测方法，包括以下步骤：步骤1：以待预测日前设定天数的风电功率与NWP数据为样本集D，待预测日的风电功率与NWP数据为预测集T，构建训练与预测样本；步骤2：归一化风电功率与NWP数据，初始化BP神经网络；步骤3：计算各粒子的适应度值；步骤4：GSA通过迭代更新粒子的加速度a、速度v和位置x，找到最优适应度值对应的粒子；步骤5：利用GSA全局搜索到的网络最优初始权值和阈值构建GSA‑BP神经网络，并对样本集D进行训练；步骤6：用训练好的GSA‑BP神经网络对预测样本集T进行预测。本发明利用梯度信息以及吸引力和排斥方案来减少算法的计算时间，并且避免了算法在迭代过程中陷入局部极小值，提高了预测精度。