基于深度学习的波浪能发电功率预测

• 作者: 张明宇 梁钰 王鑫红 蔡夫鸿 赵猛
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 功率预测 波浪能 深度学习 LSTM-BP
• 年，卷（期）: 2020,（3）
• 页码范围: 25-32
• 页数: 8页
• 分类号: TM743
• 字数: 4751字
• 语种: 中文
• DOI: 10.16088/j.issn.1001-6600.2020.03.004

摘要

针对波浪能发电中波高和频率的强随机性所导致的发电功率输出不稳定性问题,提出利用波浪能发电功率的预测数据,辅助储能系统(物理储能和化学储能)准确动作以平抑其波动性.预测数据是基于长短期记忆网络(long-short term memory,LSTM)和BP神经网络相结合的波浪能发电功率预测方法预测得到的.利用南海某岛两年天气数据和245 d的波浪能发电功率数据进行实验,训练并测试3个预测时间跨度LSTM-BP模型.对某波浪能发电船的功率在不同时间跨度的情况进行预测,实验结果表明,利用LSTM-BP模型可以较好地实现波浪能发电输出功率预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁钰	海南电网有限责任公司电力科学研究院	4	0	0.0	0.0
2	张明宇	海南大学机电工程学院	2	2	1.0	1.0
3	赵猛	海南大学机电工程学院	2	1	1.0	1.0
4	蔡夫鸿	海南大学机电工程学院	1	0	0.0	0.0
5	王鑫红	东北电力大学建筑工程学院	3	3	1.0	1.0