多通道长短期记忆卷积网络的风速预测

• 作者: 修春波 苏欢 苏雪苗
• 来源期刊: 电力工程技术
• 学科: 工学
• 关键词: 超短期 风速预测 长短期记忆网络 卷积神经网络 误差补偿 深度学习
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 专论与综述|Thesis and Summary
• 页码范围: 64-69
• 页数: 6页
• 分类号: TM614
• 语种: 中文
• DOI: 10.12158/j.2096-3203.2022.01.009

摘要

为提高风速的预测性能,提出了多通道长短期记忆网络和卷积网络相结合的风速预测方法.预测模型由多个长短期记忆子网络及卷积网络组成.各子网络选择不同长度的历史数据作为输入,分别实现未来风速值的计算,避免了单一网络输入数据长度参数难以确定的问题.卷积网络将各子网络的计算结果进行卷积、最大池化操作,并通过全连接层计算风速序列的预测值.为避免预测误差累积及漂移,利用误差动态补偿方法对预测值进行校正,获得最终的预测结果.多通道长短期记忆卷积网络可用于风速的超短期预测中,仿真实验结果表明,与现有基于深度学习的预测网络相比,该网络能够更好地拟合实际风速序列的变化趋势,表现出更优的预测性能.