基于LSTM风速区间预测的风力发电机再切入控制

• 作者: 刘佳妮 李益华 白博 苏盛
• 来源期刊: 电力学报
• 学科: 工学
• 关键词: 风力发电机 LSTM区间预测 深度学习 置信区间 再切入控制
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 电力系统
• 页码范围: 183-189
• 页数: 7页
• 分类号: TM315
• 语种: 中文

摘要

台风风况时,风速变化率大,风力发电机出力受限,除需要考虑提高风速的预测精度之外,还应着重考虑再切入控制方案的设置问题.而台风时风速采样数据稀少,传统利用周期性、相似性进行预测的效果并不理想和瞬时风速在切出风速上下波动时,单独采用风速死区的方法失效,严重影响风机安全性和可靠性.因此,提出一种基于递归神经网络LSTM的风速区间预测方法,通过深度神经网络对采样风速进行超短期预测,并把预测结果的置信水平,作为风速预测区间的上下限,进而实现风速的区间预测.结合实例证明提出的方法有效地降低了风力发电机的切出次数,提升了风机安全性和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李益华		28	172	8.0	12.0
2	苏盛		38	382	8.0	19.0
3	白博		2	1	1.0	1.0
4	刘佳妮		1	0	0.0	0.0