基于卷积循环神经网络深度学习的短期风速预测

• 作者: 李大中 李颖宇 王超
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 风电机组 风速预测 卷积循环神经网络 深度学习
• 年，卷（期）: 2019,（8）
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP183
• 字数: 2752字
• 语种: 中文
• DOI: 10.3969/j.ISSN.1672-0792.2019.08.001

摘要

由于风速具有随机性和间歇性的特点,以传统方法难以实现风速的精准测量及预测.风速信号对于风电机组输出功率稳定、电能质量提升优化等具有重要作用.基于此,提出一种基于卷积与循环神经网络相结合的深度学习实现风速预测的方法,并与其它方法做了对比分析.以某风电场2014—2015年机组历史大数据为依据,经过数据预处理随机选取44天数据对设计模型进行训练验证,结果与实际风速基本一致,并且效果好于其他方法.从该风场2015年历史大数据中再随机选取12天数据,进一步对模型泛化性能进行检验,结果表明该模型仍然能够实现风速的准确预测,泛化性能良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李大中	华北电力大学控制与计算机工程学院	92	613	13.0	17.0
2	王超	华北电力大学控制与计算机工程学院	39	246	5.0	15.0
3	李颖宇	华北电力大学控制与计算机工程学院	2	3	1.0	1.0