基于嵌套优化的GA-PSO-BP神经网络短期风功率预测方法研究

刘翘楚; 王杰; 秦文萍; 张文博; 陈玉梅; 刘佳昕

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于嵌套优化的GA-PSO-BP神经网络短期风功率预测方法研究

清洁能源 | 更新时间：2025-11-07

- 基于嵌套优化的GA-PSO-BP神经网络短期风功率预测方法研究
- 暂无标题
- 电网与清洁能源 2025年第2期页码：138-146
- 作者机构：
  
  1. 太原理工大学电力系统运行与控制山西省重点实验室
  2. 国网山西省电力公司吕梁供电公司
- 作者简介：
- 基金信息：
  
  国家自然科学基金联合基金项目（U23A20649）~~
- DOI：
  中图分类号： TP18;TM614
- 纸质出版：2025
- 稿件说明：
移动端阅览
刘翘楚, 王杰, 秦文萍, 等. 基于嵌套优化的GA-PSO-BP神经网络短期风功率预测方法研究[J]. 电网与清洁能源, 2025,(2):138-146.
刘翘楚, 王杰, 秦文萍, 等. 基于嵌套优化的GA-PSO-BP神经网络短期风功率预测方法研究[J]. 电网与清洁能源, 2025,(2):138-146. DOI：

DOI：

摘要

短期风电功率预测对于保障电力系统稳定运行具有重要意义。针对单一BP(back propagation)神经网络预测模型难以满足风电功率的强随机波动特性，结合遗传算法（geneticalgorithm

GA）和粒子群智能算法（particleswarm optimization

PSO），提出嵌套优化的GA-PSO-BP神经网络短期风电功率预测模型。建立内外双层嵌套的优化机制，内层机制中引入GA算法优化PSO算法学习因子，优化后PSO算法作为外层机制实现BP神经网络阈值和权值的优化。模拟风电数据预测结果表明，比起GA-BP、PSO-BP、长短期记忆网络（long short-term memory

LSTM）预测模型，所提嵌套优化模型在平均绝对误差（mean absolute error

MAE）、均方根误差（root mean squared error

RMSE）、决定系数R2 3个评价维度上均取得了最优值；利用山西某风电场不同月份、不同时段、不同波动特征的实际运行数据进行验证，预测结果表明MAE均小于0.02

R2均大于0.99，所提嵌套优化模型具有较高的预测精度和拟合程度。

Abstract

关键词

Keywords

references

Panteha Alipour,Sayanti Mukherjee,Roshanak Nateghi.Assessing climate sensitivity of peak electricity load for resilient power systems planning and operation: A study applied to the Texas region[J].Energy,2019.

A. Lahouar,J. Ben Hadj Slama.Hour-ahead wind power forecast based on random forests[J].Renewable Energy,2017.

Yongqian Liu,Jie Shi,Yongping Yang,Shuang Han.Piecewise Support Vector Machine Model for Short-Term Wind-power Prediction[J].International Journal of Green Energy,2009.

聂远航,刘晓波,陈再航,孙宗宇,包宁宁.基于PCA与PSO-SVM的谐振接地系统故障选线方法[J].电瓷避雷器,2024(01).

肖烈禧,张玉,周辉,赵冠皓.基于IAOA-VMD-LSTM的超短期风电功率预测[J].太阳能学报,2023(11).

叶畅,柳丹,曹侃.基于云图特征的超短期光伏发电功率预测模型[J].电网与清洁能源,2023(10).

刘伟吉,冯嘉豪,祝效华,李枝林.基于动量自适应学习率PSO-BP神经网络的钻速预测模型研究[J].科学技术与工程,2023(24).

孙义豪,郭新志,皇甫霄文,马杰,樊江川,张海峰,任洲洋.基于混合神经网络的多时间尺度负荷预测[J].电工电能新技术,2023(08).

Wenlong Liao,Shouxiang Wang,Birgitte Bak-Jensen,Jayakrishnan Radhakrishna Pillai,Zhe Yang,Kuangpu Liu.Ultra-short-term Interval Prediction of Wind Power Based on Graph Neural Network and Improved Bootstrap Technique[J].Journal of Modern Power Systems and Clean Energy,2023(04).

李洁,林丽妲,张文军,尤鸿芃.基于遗传算法的不平衡电流保护调平方法的研究[J].电力电容器与无功补偿,2022(05).

邹文进,郝少飞,马刚,黄凤良,葛浩然,夏宇.基于CEEMD-GA-BP神经网络的风光发电功率预测[J].电网与清洁能源,2022(03).

朱显辉,于越,师楠,胥良,简有为.BP神经网络的分层优化研究及其在风电功率预测中的应用[J].高压电器,2022(02).

邓亚平,段建东,贾颢,王璐,同向前.基于布谷鸟算法优化独立循环神经网络深度学习的超短期风电功率预测[J].电网与清洁能源,2021(09).

刘永奇,陈龙翔,韩小琪.能源转型下我国新能源替代的关键问题分析[J].中国电机工程学报,2022(02).

符杨,任子旭,魏书荣,王洋,黄玲玲,贾锋.基于改进LSTM-TCN模型的海上风电超短期功率预测[J].中国电机工程学报,2022(12).

孙国良,伊力哈木·亚尔买买提,张宽,吐松江·卡日,李振恩,邸强.基于小波变换与IAGA-BP神经网络的短期风电功率预测[J].电测与仪表,2024(05).

刘芳,汪震,刘睿迪,王锴.基于组合损失函数的BP神经网络风力发电短期预测方法[J].浙江大学学报(工学版),2021(03).

徐鹏超,李琰,赵艳雷.基于自适应变异蝙蝠优化BP神经网络的短期风电功率预测[J].电测与仪表,2021(04).

何廷一,田鑫萃,李胜男,吴水军,陈勇,束洪春,马聪.基于蜂群算法改进的BP神经网络风电功率预测[J].电力科学与技术学报,2018(04).

刘芳.基于改进BP神经网络的风电功率预测方法研究[D].浙江大学,2020(12).

浏览量

490

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

考虑电动汽车充电负荷及储能寿命的充电站储能容量配置优化

考虑电动汽车充电负荷及储能寿命的充电站储能容量配置优化附视频

基于VMD-IBWO-BiLSTM的短期风电功率预测

风-火-抽蓄联合发电系统优化运行研究

基于RF-TCN-SA及误差修正的风电功率超短期预测