基于随机森林重要性的LSTM网络风电功率缺失数据补齐

• 作者: 李俊卿 李秋佳 石天宇 郭晋才
• 来源期刊: 电器与能效管理技术
• 学科: 工学
• 关键词: 风电功率 随机森林 长短期记忆网络 数据补齐
• 年，卷（期）: 2018,（13）
• 所属期刊栏目: 微电网技术
• 页码范围: 47-52,58
• 页数: 7页
• 分类号: TM614
• 字数: 4023字
• 语种: 中文
• DOI: 10.16628/j.cnki.2095-8188.2018.13.010

摘要

针对风电场实际运行中易出现的输出功率缺失问题,在分析了影响风电功率因数的基础上,构建了一个基于随机森林(RF)重要性分析的使用长短期记忆网络补齐缺失功率的模型.首先,基于RF分析得出了各项监测数据与风电功率的两个重要性指标,然后采用加权的重要性指标组成模型的输入向量,最后利用长短期记忆网络建立了风电功率补齐模型.以具体实例研究了不同的输入向量、预测方法和缺失数据类型对于补齐风电功率效果的影响,结果证明了所提方法可在不丢失有用信息的情况下,合理利用有效信息来提高功率预测精度,具有良好的补齐效果和一定的工程实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊卿	华北电力大学电气与电子工程学院	82	958	15.0	28.0
2	李秋佳	华北电力大学电气与电子工程学院	4	5	1.0	2.0
3	石天宇	华北电力大学电气与电子工程学院	4	5	1.0	2.0
4	郭晋才	华北电力大学电气与电子工程学院	4	5	1.0	2.0