基于相空间重构和长短期记忆网络的风电预测

• 作者: 李慧 陈湘萍
• 来源期刊: 新型工业化
• 学科: 工学
• 关键词: 风功率预测 相空间重构 长短期记忆网络 互信息 GP算法
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 电力工业
• 页码范围: 1-6
• 页数: 6页
• 分类号: TM614
• 字数: 3826字
• 语种: 中文
• DOI: 10.19335/j.cnki.2095-6649.2020.03.001

摘要

针对风电时间序列的混沌特性,提出一种基于相空间重构和长短期记忆网络的风功率预测方法.利用互信息法和GP算法计算风电序列的延迟时间和嵌入维数,并基于Takens相空间重构定理对风电数据进行重构.通过模型评价指标对三种模型(Recon-LSTM,RNN,SVM)进行比较,实验结果表明,在10min、20min、30min和1h四个预测范围内,Recon-LSTM模型与其他两种模型相比具有较高的预测精度和泛化能力.在预测步长为10分钟时,均方根误差低至0.52,随着预测步长的增加,均方根误差仍然在一个较小的范围.当预测范围达到1小时时,均方根误差也只有1.63,这充分地证明了该模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈湘萍	贵州大学电气工程学院	32	100	7.0	8.0
2	李慧	贵州大学电气工程学院	14	15	2.0	3.0