基于人工神经网络的风电功率预测应用研究的中期报告.docx

基于人工神经网络的风电功率预测应用研究的中期报告
1.研究背景和意义：
随着能源消费需求增加和环境保护意识的提高，清洁能源越来越受到关注。其中，风能作为一种具有潜力的可再生能源，已在全世界得到广泛应用。然而，风能的可持续利用面临着一个重要挑战：不稳定的风速和功率波动。因此，风电功率的预测是风力发电厂运营和管理的关键问题。人工神经网络作为一种有效的预测工具，在风电功率预测中有着广泛的应用。本研究旨在利用人工神经网络建立风电功率预测模型，提高风电的稳定性和可靠性，同时减少运营成本。
2.研究内容和方法：
本研究采用多层前馈神经网络模型(Multilayerfeedforwardnetwork)。以国内某风力发电厂历史功率数据为基础，利用现有深度学习框架(Keras)进行模型训练和测试。具体步骤包括：数据收集，数据预处理，特征选择，神经网络模型建立，模型训练和测试等。
3.已取得的进展：
目前，已完成数据的收集和预处理工作。其中包括数据清洗和归一化处理等步骤，为神经网络模型的建立提供了优质的数据基础。另外，初步完成了特征选择的工作，并根据不同的特征组合构建不同的神经网络模型。通过模型训练和测试分析，初步验证了多层前馈神经网络模型在风电功率预测中的有效性。
4.存在的问题和下一步工作：
在研究过程中，我们发现部分模型在预测值上存在偏差。这主要是由于特征选择不充分和过拟合引起的。因此，在下一步研究中，我们将进一步改进特征选择和神经网络模型结构。具体来说，我们将通过构建更多的特征组合，选择更合适的神经网络模型结构，提高预测精度，并尽可能保持模型的简洁性和稳定性。