基于CNN-LSTM网络模型的风电功率短期预测研究

• 作者: 傅裕 孙惠娟 彭春华 李艳
• 来源期刊: 华东交通大学学报
• 学科: 工学
• 关键词: 风电功率预测 卷积神经网络 长短期记忆网络 卷积神经网络-长短期记忆网络模型
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 交叉学科前沿
• 页码范围: 109-115
• 页数: 7页
• 分类号: TM614
• 语种: 中文

摘要

风电功率预测对电力系统的稳定运行与经济调度至关重要.为充分挖掘历史数据中的有效信息以提高风电功率短期预测精度,提出一种基于卷积神经网络(convolution neural network,CNN)和长短期记忆(long short-term memory network,LSTM)网络模型的风电功率短期预测方法,利用CNN序列特征提取能力进行有效信息的提取,保留更长的有效记忆信息以解决梯度弥散问题,弥补了LSTM网络模型面对过长序列时出现不稳定与梯度消失现象的不足.用国内某风电场数据进行实验,预测结果表明文中提出的方法与反向传播神经网络和LSTM网络预测方法相比,具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭春华		69	1182	21.0	32.0
2	孙惠娟		30	430	10.0	20.0
3	李艳		2	0	0.0	0.0
4	傅裕		1	0	0.0	0.0