基于SSA-BP的风电场超短期风速预测方法研究

在风电场风速预测方法中，BP神经网络是常用的方法之一。针对BP神经网络相关参数选取不当影响预测结果的问题，提出一种基于麻雀搜索算法(sparrow search algorithm,SSA)对BP神经网络的权值W及阈值B的优化方法，构建SSA-BP超短期风速预测模型。从数据采集与监视控制(supervisory control and data acquisition,SCADA)系统中收集得到的风速数据，预处理后及分类之后，使用该模型进行预测。实验表明，与BP、遗传算法(genetic algorithm,GA)-BP、粒子群算法(particle swarm optimization,PSO)-BP预测模型相比，SSA-BP预测模型可有效提高风电场风速预测的准确率，且收敛速度快、寻优能力强。