基于模糊信息粒化和长短期记忆网络的短期风速预测

被引：33

作者：

殷豪

黄圣权

刘哲

孟安波

杨跞

机构：

[1] 广东工业大学自动化学院

来源：

电测与仪表 | 2019年 / 56卷 / 11期

基金：

广东省科技计划;

关键词：

点预测; 区间预测; 长短记忆网络; 模糊信息粒化; ADAM算法;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

针对风速点预测无法对预测结果进行风险评估、区间预测难以满足电网精细化要求,以及现有静态预测方法难以描述风速序列长期相关性的现象,提出一种基于模糊信息粒化(Fuzzy Information Granulation,FIG)和长短期记忆(Long Short-Term Memory,LSTM)网络的动态预测模型。该方法先对风速序列进行模糊信息粒化,提取出粒化后数据的最大值(区间上界)、最小值(区间下界)和平均值。其次采用ADAM算法优化的LSTM网络对各粒化数据进行动态建模,得到能描述风速波动性的区间预测结果和点预测结果。算列表明,所提动态模型的预测效果比其它基本模型的预测效果更好。

引用

页码：101 / 107

页数：7

共 16 条

[1]

Displacement prediction of Baijiabao landslide based on empirical mode decomposition and long short-term memory neural network in Three Gorges area; China.[J].Shiluo Xu;Ruiqing Niu.Computers and Geosciences.2018,

[2]

Long short-term memory neural network for air pollutant concentration predictions: Method development and evaluation.[J].Xiang Li;Ling Peng;Xiaojing Yao;Shaolong Cui;Yuan Hu;Chengzeng You;Tianhe Chi.Environmental Pollution.2017, P1

[3]

An effective secondary decomposition approach for wind power forecasting using extreme learning machine trained by crisscross optimization.[J].Hao Yin;Zhen Dong;Yunlong Chen;Jiafei Ge;Loi Lei Lai;Alfredo Vaccaro;Anbo Meng.Energy Conversion and Management.2017,

[4]

Long short-term memory neural network for traffic speed prediction using remote microwave sensor data.[J].Xiaolei Ma;Zhimin Tao;Yinhai Wang;Haiyang Yu;Yunpeng Wang.Transportation Research Part C.2015,

[5]

The modeling of time series based on fuzzy information granules [J].