LSTM-RF的中长期风电功率组合预测方法

• 作者: 何健伟 曹渝昆
• 来源期刊: 上海电力大学学报
• 学科: 工学
• 关键词: 风电功率预测 长短期记忆网络 随机森林算法
• 年，卷（期）: 2020,（4）
• 页码范围: 341-350
• 页数: 10页
• 分类号: TP399
• 语种: 中文
• DOI: 10.3969/j.issn.2096-8299.2020.04.005

摘要

风电功率的准确预测是减少风电并网对电网造成冲击的有效手段之一.利用深度学习算法中的长短期记忆网络(LSTM)对中期风电功率出力进行了预测,综合考虑功率数据、气象数据等多维特征,采用LSTM算法和随机森林(RF)算法搭建预测模型,预测风电场1～7日的风电功率出力.基于某风电场2014年1月到2016年12月的实际发电数据,通过实验对比BP神经网络、支持向量机(SVM)和自回归积分滑动平均模型(ARIMA)等算法可知,提出的预测方法在较为突变的天气状况下仍能保持较高的预测精度,能为风电并网和电网调度提供辅助支撑.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹渝昆		16	80	6.0	8.0
2	何健伟		3	10	1.0	3.0