基于长短期记忆网络的风电场发电功率超短期预测

被引：424

作者：

朱乔木 ^{[1
]}

李弘毅 ^{[2
]}

王子琪 ^{[1
]}

陈金富 ^{[1
]}

王博 ^{[3
]}

机构：

[1] 强电磁工程与新技术国家重点实验室(华中科技大学)

[2] 国网湖南省电力公司经济技术研究院

[3] 国网湖北省电力公司经济技术研究院

来源：

电网技术 | 2017年 / 41卷 / 12期

基金：

国家重点研发计划;

关键词：

风电功率预测; 长短期记忆; 多变量时间序列; 距离分析法;

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：

精确的风电场发电功率超短期预测对电力系统的经济调度和安全稳定运行意义重大。为充分利用多数据源中的有效信息来进一步提高风电场超短期发电功率的预测精度,提出了一种基于长短期记忆(long short-term memory,LSTM)网络的多变量风电场超短期发电功率预测方法。该方法首先利用距离分析法筛选出与风电功率相关程度高的变量,进而降低数据的规模和复杂程度。然后利用LSTM网络对多变量时间序列进行动态时间建模,最终实现对风电功率的预测。采用美国加州某风电场的实测数据进行验证,结果表明,文中方法能够有效利用多变量时间序列进行风电场发电功率的超短期预测,较人工神经网络和支持向量机拥有更高的预测精度。

引用

页码：3797 / 3802

页数：6

共 8 条

[1]

基于小波分析的风电场短期发电功率预测 [J].

王丽婕 ;

冬雷 ;

廖晓钟 ;

高阳 .

中国电机工程学报, 2009, 29 (28) :30-33

[2]

基于人工神经网络的风电功率预测 [J].

范高锋 ;

王伟胜 ;

刘纯 ;

戴慧珠 .

中国电机工程学报, 2008, (34) :118-123

[3]

风电场风速和发电功率预测研究 [J].

杨秀媛 ;

肖洋 ;

陈树勇 .

中国电机工程学报, 2005, (11) :1-5

[4]

风电对电力系统运行的价值分析 [J].

雷亚洲 ;

王伟胜 ;

印永华 ;

戴慧珠 .

电网技术, 2002, (05) :10-14

[5]

A review of measure-correlate-predict (MCP) methods used to estimate long-term wind characteristics at a target site.[J].José A. Carta;Sergio Velázquez;Pedro Cabrera.Renewable and Sustainable Energy Reviews.2013,

[6]

Long short-term memory [J].

Hochreiter, S ;

Schmidhuber, J .

NEURAL COMPUTATION, 1997, 9 (08) :1735-1780

[7]

Chapter 25 Serial order: A parallel distributed processing approach.[J].Michael I. Jordan.Advances in Psychology.1997,

[8]

电力系统负荷预测.[M].康重庆; 夏清; 刘梅; 编著.中国电力出版社.2007,

← 1 →