基于降噪时序深度学习网络的风电功率短期预测方法

被引：42

作者：

曹有为 ^{[1
]}

闫双红 ^{[1
]}

刘海涛 ^{[2
]}

郭力 ^{[3
]}

机构：

[1] 内蒙古电力(集团)有限责任公司培训中心

[2] 内蒙古电力集团综合能源有限责任公司

[3] 智能电网教育部重点实验室(天津大学)

来源：

电力系统及其自动化学报 | 2020年 / 32卷 / 01期

关键词：

风能; 功率预测; 奇异谱分析; 长短时记忆网络;

D O I：

10.19635/j.cnki.csu-epsa.000356

中图分类号：

TM614 [风能发电]; TP18 [人工智能理论];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

利用风电场历史功率数据预测未来一段时间内的风功率,对保障电网安全稳定运行具有重要的意义。本文提出一种基于奇异谱分析SSA(singular spectrum analysis)和长短时记忆LSTM(long-short term memory network)网络的时序特征预测框架用于短期风功率的预测。首先通过SSA对历史风功率原始数据进行降噪处理,然后经过数据转换之后,以LSTM网络为基础进行预测模型的训练,最后通过某风电场提供的两个风机的历史功率数据进行验证。实验结果表明,奇异谱分析对风电场的历史数据具有良好的降噪性,SSA+LSTM模型在测试数据上取得了较好的预测性能,能够有效进行短期风功率的预测。

引用

页码：145 / 150

页数：6

共 10 条

[1]

Wind speed forecasting approach based on Singular Spectrum Analysis and Adaptive Neuro Fuzzy Inference System.[J].Sinvaldo Rodrigues Moreno;Leandro dos Santos Coelho.Renewable Energy.2018,

[2]

基于功率波动过程的风电功率短期预测及误差修正 [J].