BP神经网络在风力发电机风向预测中的应用.pdf

BP神经网络在 风力发电机风向预测中的应用 新疆农业大学机械交通学院■张东东+ 北京三力新能科技有限公司 ■崔新维 摘要：根据新疆达坂城风电场某风力发电机2012年6月的某段风向数据，构建风向预测的BP神经 网络模型。仿真结果表明，BP网络用于风向预测具有较高的精度和泛化能力，它为风力发电 机偏航控制的设计提供了新的思路和方法。 关键词：BP神经网络；Matlab；风向 0引言 根据各种典型修正网络权值规则，配合网络训 D J 1986年，RumelhanE和McCllandL提 练过程，用Matlab编写出各种网络设计与训练 出了一种利用误差反向传播训练算法的神经网 的子程序，网络的设计者可根据所需调用工具 络，简称BP(Back 箱中有关神经网络的设计训练程序，使自己能 Propagation)网络…。在人工 神经网络的实际应用中，BP神经网络包含了神 从繁琐的编程中解放出来，集中精力去思考问 经网络理论中最精华的部分，由于其结构简单、 题和解决问题【45。。 可塑性强，故广泛应用于模式识别、函数逼近、 信息分类和数据压缩等，80％～90％的人工神经 1 BP神经网络设计的基本方法 网络模型采用BP网络或其变形，它是前馈型神 BP网络，即误差反向传播网络，是一种前 经网络的核心部分[2】。由于它的数学意义明确， 馈型网络，由1个输入层、若干隐含层和1个输 学习算法步骤分明，使其应用背景更加广泛。 出层构成。图1为常用BP网络结构‘61。 然而，依靠操作人员的经验建立合理的神经网 输入层 隐含层 输出层 播 络算法，编写程序仿真再分析结果需很长时间 的试探，并且网络结构、训练参数及训练方法 的改变往往会引起程序的更改，为设计和仿真 带来诸多不便[3]。 Matlab神经网络工具箱以神经网络理论为 基础，用Matlab的语言构造出各种神经网络激 图1BP神经网络模型 活函数、训练函数及各种网络集成块等。设计 如果输入层、隐含层和输出层的节点个数分别 者通过对激活函数、网络函数等的调用，仅需 为，z、g、加，则该3层网络可表示为BP(甩，g，m)， 写很少的源代码，即可完成必需的科学计算。 利用该网络可实现，2维输入向量x”=@。，而，…，％)1 收稿日期：2014—03—19 com 通信作者：张东东(1985一)，男，硕士，主要从事风力发电技术方面的研究。ganann@sina SOLARENERGY03，2015 万方数据 SOLARENERGY 到m维的输出向量】，”=陟。，y：，…，此)1’的非线性映 ∞Ⅳ(Ⅳ+1)=∞Ⅱ(砷o)铅；z? 射。输入层和输出层的节点数根据具体问题而定， (f-l，2，…，，z；产1，2，…，p；0与认1)(6) 隐含层的节点数g常根据式(1)进行设计。 e0¨1)=谚(Ⅳ)斗矽； g=诟葡+口 (1) (f_1，2，…，胛；户1，2，…，p；0班1)(7) 式中，g为隐含层节点数；咒为输入层节点