联系方式：2645521500

复现文章：

基于BP神经网络的风电功率预测方法——刘立群（2021年）

摘要：

风电功率预测结果的准确性，不仅关系到风力发电厂的综合运行效率，也与区域运行成本具备直接联系，为解决传统预测方法的不足，基于前馈神经网络———ＢＰ（反向传播）神经网络，设计一种风电功率预测方法。考虑到ＢＰ神经网络属于一种多层结构的网络，因此，基于ＢＰ神经网络的预测模型也具备多层结构。应用预测模型对风电功率的随机性与波动性特征进行描述。并采用校正风电功率预测结果误差、规范风电功率预测流程的方式，完成方法设计。经过实例分析，证明设计的方法对风电功率的预测结果误差均在最优误差范围内，预测的数值具有更高的价值。

主要程序：

clc
clear
load data A O 
% 获取训练集和测试集矩阵
[input_train]=A(1:180,:)';   
[output_train]=O(1:180,:)'; 
[input_test]=A(181:360,:)';  
[output_test]=O(181:360,:)';

% 数据归一化处理
[inputn_train, inputStr] = mapminmax(input_train);
[outputn_train, outputStr] = mapminmax(output_train);
inputn_test=mapminmax('apply',input_test,inputStr);

% 建立BP神经网络
net = newff(inputn_train, outputn_train, [4 10 1], {'purelin', 'logsig', 'purelin'});
    net.trainParam.show = 10;%每10轮转显示一次结果
    net.trainParam.epochs = 500;%最大迭代次数
    net.trainParam.lr = 0.05;%学习速率
    net.trainParam.goal = 1 * 10^(-3);%训练误差精度
    net.divideFcn = '';
    
% 开始训练网络
net = train(net, inputn_train, outputn_train);
%训练完成

输出结果：