基于BiLSTM和Bootstrap方法的风电功率区间预测

• 作者: 俞志程 吴海东 张宁 李蕊 薛阳
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风电功率 区间预测 双向长短期记忆神经网络 自助法 人工蜂群算法
• 年，卷（期）: 2020,（8）
• 页码范围: 1059-1064
• 页数: 6页
• 分类号: TK81
• 字数: 4716字
• 语种: 中文

摘要

风能具有较强的波动性和随机性,造成了现有风电功率预测方法的误差较大,严重影响了电力系统的安全稳定性.针对上述问题,文章提出一种基于双向长短期记忆网络(BiLSTM)和自助法(Bootstrap)的风电功率区间预测方法.该方法强调了风电功率数据间关联程度的重要性,将原始风电功率数据和测风塔提供的风速历史数据构成多变量时间序列,同时构建双向长短期记忆网络模型提高预测结果的精确度.引入Bootstrap方法增加样本的多样性,再利用人工蜂群算法(ABC)的强搜索能力对模型的超参数进行优化,最终得到区间预测的结果.以某风电场历史运行数据为例,通过与长短期记忆网络(LSTM)等现有方法在给定置信水平下的预测结果进行对比,验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛阳	上海电力大学自动化工程学院	69	643	11.0	23.0
2	吴海东	上海电力大学自动化工程学院	4	1	1.0	1.0
3	张宁	上海电力大学自动化工程学院	9	14	2.0	3.0
4	俞志程	上海电力大学自动化工程学院	4	1	1.0	1.0
5	李蕊	上海电力大学自动化工程学院	2	0	0.0	0.0