基于小波分解和深度信念网络的短期风速预测

被引：22

作者：

司徒友 ^{[1
]}

李刚强 ^{[2
]}

张水平 ^{[1
]}

机构：

[1] 广东电网有限责任公司东莞供电局

[2] 深圳大学

来源：

广东电力 | 2017年 / 30卷 / 04期

关键词：

短期风速预测; 小波变换; 深度信念网络; 序列重构;

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：

针对浅层学习模型对风速预测存在较大误差的缺陷,提出一种基于小波变换和深度信念网络(wavelet based deep belief netw ork,WDBN)的风速预测模型。首先利用小波变换将原始风速序列分解成不同的频率序列;然后针对各频率序列,根据逐层训练法则设计深度信念网络模型;最后采用小波反变换对不同频率序列重构,得出最终的风速预测结果。选用某风电场2013年1月和7月的数据对WDBN模型的风速预测进行仿真分析,并与自回归滑动平均法、反向传播神经网络法、Morlet小波神经网络法的预测结果进行对比,结果表明WDBN模型可以更好地学习风速所具有的非线性和非平稳特征,具有较高的预测精度。

引用

页码：25 / 30+60 +60

页数：7

共 15 条

[1]

世界风能强国发展风电的经验与对策 [J].