基于双向长短期记忆神经网络的风电预测方法

• 作者: 刘永强 柳文斌 续毅 贺永辉
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: 风力发电 预测 长短期记忆 数值天气预报 评价指标
• 年，卷（期）: 2020,（5）
• 页码范围: 49-54,59
• 页数: 7页
• 分类号: TM614
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2020.05.011

摘要

风电受天气条件的影响具有间歇性和波动性的特点,随着风电在电网中渗透率的提高,电网面临着新的挑战.对风电进行预测并根据预测值进行合理调度,可在一定程度上缓解风电的不确定性对电网的影响.本文提出了基于双向长短期记忆神经网络的风电预测方法,该模型可以同时利用过去和未来的数值天气预报信息,提高了风力发电的预测精度.首先,文章阐述了单向长短期记忆神经网络的原理和结构,在此基础上,添加反向隐合层成为双向长短期记忆神经网络;其次,基于双向长短期记忆神经网络,构建了风电预测架构,并分析了风电预测的评价指标;最后,利用实际数据进行了仿真验证,结果表明,相对于长短期记忆模型,以均方根误差、希尔不等系数和对称均值绝对值百分比误差三个指标衡量,双向长短期记忆神经网络的预测精度分别提高了10.25％、6.71％和12.18％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘永强		4	0	0.0	0.0
2	续毅		1	0	0.0	0.0
3	贺永辉		1	0	0.0	0.0
4	柳文斌		1	0	0.0	0.0