基于小波分解和深度信念网络的短期风速预测

• 作者: 司徒友 张水平 李刚强
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 短期风速预测 小波变换 深度信念网络 序列重构
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 新能源发电与并网
• 页码范围: 25-30,60
• 页数: 7页
• 分类号: TM614
• 字数: 4008字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2017.04.005

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 network, 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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李刚强		2	19	1.0	2.0
2	司徒友		6	29	2.0	5.0
3	张水平		2	23	2.0	2.0