摘要: 在传统 BP 算法的基础上，将 Levenbery-Marquardt 优化法与神经网络模型相结合的 L-M 优化 BP 算法进行了深入应用和分析。此方法与传统算法相比提高了系统的学习速度，加快了网络的收敛。针对某风电场 58 台机组额定功率为 850 kw 的风电机组 20 天 ( 每 15 分钟一个预测点 ) 的历史数据使用 L-M 算法优化下的前馈神经网 络模型 —— BP 神经网络模型进行了该风电场的实时预测，结果表明该方法在一定程度上更好 的逼近了真实的曲线。

Abstract: Based on the traditional BP algorithm, combining Levenhery-Marquardt optimized algorithm and a neural network forecasting method ， this paper put forward a L-M optimized BP algorithm. The algorithm quickens the train, improves stability. For the real power data of 58 wind turbines of some wind farm in somewhere, a real-time prediction has been made based on L-M optimized BP algorithm, and the result shows that the algorithm produces better results than traditional method.