基于深度循环神经网络的大规模风力发电功率预测

• 作者: 向勇 王一军 孔寅恪
• 来源期刊: 资源信息与工程
• 关键词: 深度学习 多尺度隐马尔可夫模型 循环神经网络 风力发电 功率预测
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 节能与绿色发展
• 页码范围: 136-139
• 页数: 4页
• 分类号: TM614
• 语种: 中文

摘要

本文针对目前风力发电功率预测存在超短期、精度差等问题,通过分析大规模风力发电功率特性和风电预测时间序列特性,提出以深度循环神经网络进行预测,结合小波系数多尺度分析的隐马尔可夫预测方法,将深度学习引入到循环神经网络中来,构建基于多尺度隐马尔可夫模型?深度循环神经网络模型的大规模风力发电功率预测模型(MHMM?DRNN).实例验证相对误差平均值:BP神经网络模型约为31.56％,在预测过程中误差最大,ARMA模型约为23.20％,小波分析约为26.11％,而MHMM?DRNN预测模型约为16.85％,具有较好的实用性.