摘 要：随着世界能源危机的凸显，风力发电逐渐成为研究热点。但其非持续性和随机性，使得风力发电在安全性、稳定性以及供电质量上有待提高。目前采用神经网络预测电网各节点短期功率并予以解决，但预测模型网络结构单一，使得预测结果受样本数据影响较大。经过预测模型的改进，使用模糊聚类选取相似日后再进行预测，可提高预测精度。通过仿真实验证明，该种改进使得预测结果相对误差在 5% 以内，具有较好的预测精度。
关键词：风力发电；模糊聚类技术；BP 神经网络；风功率预测
DOI:10.19850/j.cnki.2096-4706.2021.15.031
中图分类号：TP181 文献标识码：A 文章编号：2096-4706（2021）15-0119-04
Wind Power Prediction Based on BP Neural Network
LI Hailing
(Basic Teaching Department, Shandong College of Electronic Technology, Jinan 250200, China)
Abstract: With the prominence of the world energy crisis, wind power generation has gradually become a research hotspot. However, due to it’s non-sustainability and randomness, the safety, stability and power supply quality of wind power generation need to be improved. At present, neural network is used to predict and solve the short-term power of each node of the power grid, but the network structure of the prediction model is single, so the prediction results are greatly affected by the sample data. After the improvement of the prediction model, the prediction accuracy can be improved by using fuzzy clustering to select the similar days. The simulation results show that the relative error of the prediction results is less than 5% and has good prediction accuracy.
Keywords: wind power generation; fuzzy clustering technology; BP neural network; wind power prediction
参考文献：
[1] 叶峰.新能源发电-实现人类的持续发展 [J].能源与环境，2008（3）：55-57+62.
[2] 尹明，葛旭波，王成山，等 . 我国风电大规模开发相关问题探讨 [J]. 中国电力，2010，43（3）：59-62.
[3] 王骏，王士同，邓赵红 . 聚类分析研究中的若干问题 [J]. 控制与决策，2012，27（3）： 321-328.
[4] 荣辉，张济世，马信山 . 前馈神经网络的模糊 PID 算法及其在电力系统负荷预测中的应用 [J]. 电工技术学报，1998（4）： 43-46.
[5] 袁曾任 . 人工神经元网络及其应用 [M]. 北京：清华大学出版社，1999．
[6] 师洪涛，杨静玲，丁茂生，等 . 基于小波—BP 神经网络的短期风电功率预测方法 [J]. 电力系统自动化，2011，35（16）：44-48.
[7] 黎祚，周步祥，林楠 . 基于模糊聚类与改进 BP 算法的日负荷特性曲线分类与短期负荷预测 [J]. 电力系统保护与控制， 2012，40（3）：56-60.
[8] 赵彦峰，李辉，高海燕 . 基于加权欧氏距离法的设计模式分类研究 [J]. 科技风，2009（12）：19.
[9] 肖永山，王维庆，霍晓萍 . 基于神经网络的风电场风速时间序列预测研究 [J]. 节能技术，2007（2）：106-108+175.
[10] 方江晓 . 短期风速和风电功率预测模型的研究 [D]. 北京：北京交通大学，2011.
作者简介：李海玲（1972—），女，汉族，山东日照人，副教授，数学教育硕士，研究方向为：数学教育，数学建模。