基于改进深度信念网络的风电场短期风速预测

• 作者: 张嘉姗 张国驹 王硕禾 郭威 陈祖成
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风电场风速预测 深度信念网络 模拟退火算法 自适应学习步长
• 年，卷（期）: 2020,（11）
• 页码范围: 1489-1494
• 页数: 6页
• 分类号: TK81
• 语种: 中文

摘要

受大气湍流影响,滨海地区风能的随机性与波动性更为明显.为提高滨海风电场风速的预测精度,文章针对传统深度信念网络易陷入局部最优以及训练时间过长等问题,提出改进的深度信念网络模型(SA-ALS-DBN)来预测风速.该方法首先采用模拟退火算法对DBN的初始参数进行优化,而后引入自适应学习步长算法缩短了训练DBN所需要的时间.实验结果表明,相比其他方法,SA-ALS-DBN方法提高了预测精度,缩小了预测误差,对于滨海地区风速预测具有更高的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王硕禾		72	306	7.0	16.0
2	张嘉姗		1	0	0.0	0.0
3	陈祖成		9	6	2.0	2.0
4	张国驹		2	0	0.0	0.0
5	郭威		2	0	0.0	0.0