增量处理双隐层BP神经网络风电功率预测模型

风电场功率预测现有模型一般采用基于批量训练方式的单隐层BP神经网络,针对该模型易陷入局部极小及预测精度较低等缺点,结合风电场功率预测数据量大及不确定性大的特点,建立一种基于增量处理方式的双隐层BP神经网络模型,具有预测精度高、较好跟踪功率波动、运算速度快、不易陷入局部极小等优点;目前预测模型一般使用线性归一化方法对神经网络输入输出参数进行处理,基于风电场功率数据取值分布不均匀的特点,提出一种新的非线性归一化方法,实例证明,该方法可有效提高预测精度,尤其是较高功率值和较低功率值预测效果更佳。