基于LSTM的滚动预测风机发电量研究

• 作者: 刘凯 柯铭 赵宏
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 风机功率预测 滚动LSTM网络 网络调优 预测准确率
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 67-71,76
• 页数: 6页
• 分类号: TP3
• 字数: 4046字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.05.012

摘要

针对风能产业持续发展、占比不断增加、风电固有的不稳定性给电网安全运行带来的隐患,提出一种基于长短期记忆网络LSTM的滚动预测风机发电量模型.对风机输出功率进行预测,为电网调度、机组组合、风机维护等操作提供依据,有效保障电网安全运行.以风机历史数据作为训练与测试数据,将当前时段模型的输出数据组装成下个时段模型输入数据对模型参数进行动态的自动微调,以提高模型预测准确率.实验结果表明,随着测试数据的增加,滚动预测模型可以进一步提高预测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵宏	兰州理工大学计算机与通信学院	39	132	7.0	10.0
2	柯铭	兰州理工大学计算机与通信学院	17	107	6.0	10.0
3	刘凯	兰州理工大学计算机与通信学院	2	0	0.0	0.0