《工业控制计算机》2023年第36卷第2期摘要：准确的风电功率预测对电网调度和风电消纳有着重要意义，为提高风电功率预测精度，建立一种改进的麻雀搜索算法（SparrowSearchAlgorithm，SSA）优化BP神经网络的短期风电功率预测模型。采用Tent混沌映射初始化麻雀种群，以提高麻雀种群多样性和分布均匀性，增强模型的全局搜索和跳出局部最优的能力；引入黄金正弦和线性递减策略改进发现者和警戒者位置更新公式，并采用高斯变异和混沌扰动方法，提高模型的局部搜索能力，加快收敛速度。利用改进后的SSA算法去优化BP神经网络的初始权值阈值，建立ISSA-BP神经网络预测模型。经仿真验证，ISSA-BP预测模型可有效提高风电功率预测精度。关键词：风电功率预测；BP神经网络；麻雀搜索算法；黄金正弦算法；Tent混沌Abstract:Animprovedsparrowsearchalgorithm(SSA)isestablishedtooptimizetheshort-termwindpowerpredictionmodelofBPneuralnetworkinhispaper.TheTentchaosmapisusedtoinitializethesparrowpopulationtoimprovethedi-versityanddistributionuniformityofthesparrowpopulation,andenhancetheabilityofthemodeltosearchgloballyandjumpoutoflocaloptimization.Thegoldensinusoidalandlineardecreasingstrategiesareintroducedtoimprovethediscov-ererandwarnerpositionupdateformulas,andtheGaussianvariationandchaoticperturbationmethodsareusedtoimprovelocalsearchabilityofthemodelandacceleratetheconvergencespeed.TheimprovedSSAalgorithmisusedtooptimizetheinitialweightthresholdoftheBPneuralnetwork,andthepredictionmodeloftheISSA-BPneuralnetworkisestablished.Aftersimulationverification,ISSA-BPpredictionmodelcaneffectivelyimprovetheaccuracyofwindpowerprediction.Keywords:windpowerprediction,BPneuralnetwork,sparrowsearchalgorithm,goldensinealgorithm,Tentchaos随着能源清洁化成为普遍趋势，截止2021年，我国风电装机容量已突破3亿kW，发电量超过6000亿kW·h。风电并网的快速增加，风电出力的波动性与不确定性造成了电力系统多个时间尺度上的电力电量不平衡，为电网的供需平衡带来了挑战。准确的风电功率预测是保障电力系统安全稳定运行的重要手段［1］。神经网络被广泛应用于非线性建模问题，在风电功率预测方面有很好的表现。文献［2］针对海上天气环境复杂等特点，提出改进长期循环卷积神经网络（LRCN）预测模型，...
