基于长短期记忆网络的风电场发电功率超短期预测

• 作者: 朱乔木 李弘毅 王博 王子琪 陈金富
• 来源期刊: 电网技术
• 学科: 工学
• 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
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 国家重点研发计划
• 页码范围: 3797-3802
• 页数: 6页
• 分类号: TM72
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2017.1657

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.