买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南通大学

摘要：本发明涉及新能源发电风电功率预测技术领域，尤其涉及一种基于NSABO‑Gold算法优化BP神经网络的风电功率预测方法，包括：首先采用孤立森林算法对风电场异常数据清洗并插补；接着采用皮尔逊相关系数选取与风电场输出功率具有较高相关性的气象因素作为BP神经网络的输入特征；然后对减法平均优化器算法进行全局优化改进，将全局最优解加入到SABO的位置更新公式中，同时利用非线性自适应惯性权重w和非线性收敛因子S平衡全局开发和局部搜索能力，并结合黄金正弦算法优化BP神经网络的初始权值和阈值，得到NSABO‑Gold‑BP风电功率预测模型。本发明可以使得风电功率预测更加准确，并且平衡了全局开发和局部搜索能力，大大缩减了收敛时间，在风电并网调度中具有应用推广价值。

主权项：1.一种基于NSABO-Gold算法优化BP神经网络的风电功率预测方法，其特征在于，具体步骤如下：S1、采集风电场数据并利用孤立森林算法对异常数据清洗并插补，接着将样本数据归一化；S2、根据历史风电场数据，计算风电场输出功率与各气象因素数据的皮尔逊相关系数，确定BP神经网络的输入特征；S3、构建BP神经网络模型，初始化参数，确定输入层、隐含层、输出层节点个数；S4、利用非线性减法平均优化器算法NSABO结合黄金正弦Gold-SA算法优化BP神经网络的初始权值和阈值，接着将最优初始权值和阈值赋予BP神经网络进行训练，得到风电功率预测模型；具体实施方法如下：S4.1、初始化NSABO-Gold算法的模型参数，设定种群规模N、最大迭代次数T、维度M和神经网络权值阈值的上限ub，下限lb，并采用佳点集生成NSABO算法的初始种群Xinitial；S4.2、将佳点集生成的初始种群Xinitial作为BP神经网络的初始权值和阈值，对BP神经网络进行训练，将预测误差的均方误差mse作为适应度函数，并记录种群中的最优适应度值fbest，最优搜索代理xbest；S4.3、采用NSABO算法对佳点集生成的初始种群Xinitial进行位置更新；S4.4、若新的搜索代理对应的适应度值小于上一迭代周期种群中的最优适应度值fbest，且|A|≤0.5时，则下一次迭代采用改进的NSABO算法进行位置更新，否则采用Gold-SA算法进行位置更新，帮助NSABO算法更快的跳出局部最优解；S4.5、搜索代理及其适应度值经过多次迭代不断进行更新，当达到最大迭代次数时，迭代停止，并记录最优搜索代理opxbest，将其作为BP神经网络初始权值阈值进行训练，得到风电功率预测模型；S5、将预测日的气象数据代入到风电功率预测模型，并对模型的预测性能进行评价。

全文数据：

权利要求：

百度查询： 南通大学 一种基于NSABO-Gold算法优化BP神经网络的风电功率预测方法