基于长短期记忆神经网络的风力发电功率预测方法

论文摘要

风力发电过程具有较强的随机性,导致风力发电功率的预测准确度不高。针对上述问题,提出了一种融合深度学习算法的风力发电功率预测方法。以历史风力发电功率数据作为输入,建立风力发电功率预测模型,实现对未来一个时间刻度的风力发电功率预测。算例结果表明,与传统时序预测方法相比,基于长短期记忆神经网络的风力发电功率预测结果在各项指标中误差更小,验证了上述方法在风力发电功率预测中的可行性和有效性,提升了风力发电功率预测的准确性。

论文目录

• 0 引言
• 1 时序预测方法
•   1.1 差分整合移动平均自回归模型
•   1.2 LSTM神经网络模型
•     1.2.1 LSTM神经网络单元
•     1.2.2 LSTM神经网络结构
• 2 LSTM网络风力发电功率预测
•   2.1 数据预处理
•   2.2 确定LSTM神经网络超参数
•   2.3 风力发电功率预测
•   2.4 误差计算
• 3 算例分析
•   3.1 实验设计
•   3.2 预测性能分析
•   3.3 四季风力发电功率预测分析结果
• 4 结论

文章来源

类型: 期刊论文

作者: 李相俊,许格健

关键词: 深度学习,时序预测,风力发电,长短期记忆神经网络

来源: 发电技术 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 新能源与储能运行控制国家重点实验室(中国电力科学研究院有限公司)

基金: 国家电网公司科技项目(DG71-19-015)~~

分类号: TM614;TP183

页码: 426-433

总页数: 8

文件大小: 456K

下载量: 414