共 20 条
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
基于小波长短期记忆网络的风电功率超短期概率预测
被引：35
作者：
王朋
孙永辉
翟苏巍
候栋宸
王森
机构：
[1] 河海大学能源与电气学院
基金：
国家重点研发计划;
关键词：
小波分解;
长短期记忆网络;
风电功率;
概率预测;
D O I：
10.13878/j.cnki.jnuist.2019.04.015
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：
随着大规模的风电并网,风电所具有的间歇性与随机性对电力系统的稳定性产生了很大的影响,风电功率预测成为当前解决该问题重要的方式之一.本文利用长短期记忆(LSTM)网络良好的时序记忆特性,将小波分解技术与LSTM深度网络结合,提出基于小波长短期记忆网络的风电功率超短期概率预测模型.首先通过小波分解技术将原始时间序列进行平稳化处理,再建立各子序列样本的LSTM网络预测模型,借助最大似然估计法估计预测误差的高斯分布函数,最终实现对未来4 h时刻的风电功率概率区间预测.最后,采用中国东北某风电场数据对所提方法进行算例分析,结果表明,将小波分解与深度学习方法结合可以较好地提高预测的精度,提高概率预测的区间可靠性.
引用
收藏
页码：460 / 466
页数：7
相关论文