基于LSTM循环神经网络的风力发电预测

• 作者: 于广亮 刘宏伟 康健 李政 王炜 纪项钟 郑楠 陈永杰
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风力发电 LSTM循环神经网络 滚动预测 超短期风力发电预测
• 年，卷（期）: 2020,（9）
• 页码范围: 1187-1191
• 页数: 5页
• 分类号: TK81
• 语种: 中文

摘要

大规模风电接入电力系统会造成系统频率波动,利用不同高度的风速、风向的余弦值、温度、湿度、气压对风力发电数据进行准确预测,有利于制定合理的调度计划,降低风电对电力系统的影响.文章基于AGC自动发电控制的要求,选取每15 min为一个数据采集点,构建大数据集,建立了基于LSTM结构的循环神经网络超短期风力发电预测模型,并每15 min根据最新实际采集数据更新数据集,实现了预测网络的滚动更新.最后通过某风电场的实际数据进行验证,结果表明,该算法预测精度高,对超短期风力发电预测有良好的适用性.