基于LSTM和非参数核密度估计的风电功率概率区间预测

• 作者: 刘林奇 周博文 杨东升 罗艳红 郎伟明 麻向津
• 来源期刊: 智慧电力
• 学科: 工学
• 关键词: 风电功率 长短期记忆 区间预测 非参数核密度估计
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 新能源
• 页码范围: 31-37,103
• 页数: 8页
• 分类号: TM614
• 字数: 5248字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7598.2020.02.005

摘要

高精度的风电功率点和区间预测可以为电网优化配置带来更多信息.提出采用长短期记忆(LSTM)网络实现风电功率的点预测,并基于该网络生成1组风电功率预测误差数据集,采用渐进积分均方误差准则的窗宽优化方法实现非参数核密度的估计,求出不同置信度下的风电功率波动区间.实验基于美国某风电场历史数据,通过与BP,Elman神经网络和SVM对比,验证了LSTM网络预测精度更高;基于LSTM网络预测生成的误差数据集,与高斯模型及随机窗宽非参数核密度估计模型相比,结果说明了所提最优窗宽非参数核密度估计模型具有更贴近真实的预测误差分布.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨东升	东北大学智能电气科学与技术研究院	31	282	8.0	16.0
2	罗艳红	东北大学智能电气科学与技术研究院	16	135	4.0	11.0
3	周博文	东北大学智能电气科学与技术研究院	21	222	8.0	14.0
4	郎伟明		1	4	1.0	1.0
5	麻向津	东北大学智能电气科学与技术研究院	1	4	1.0	1.0
6	刘林奇		1	4	1.0	1.0