基于QR-NFGLSTM与核密度估计的风电功率概率预测

• 作者: 王晓东 鞠邦国 刘颖明 臧彤琳
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 风电功率 预测 长短期记忆 分位数回归 核密度估计
• 年，卷（期）: 2022,（2）
• 页码范围: 479-485
• 页数: 7页
• 分类号: TM614
• 语种: 中文
• DOI: 10.19912/j.0254-0096.tynxb.2020-0478

摘要

为提高风电功率概率预测精度和缩短长短期记忆网络的训练时间,提出一种基于分位数回归结合新遗忘门长短期记忆(NFGLSTM)网络与核密度估计的风电功率概率预测方法.该方法对长短期记忆网络的结构改进,提出一种新的遗忘门结构,以缩短训练时间.基于分位数回归和NFGLSTM网络建立组合预测模型,得到风电功率点预测值和某一置信度下的预测区间,采用Cosine核函数的核密度估计求解预测值的概率密度函数.基于某风电场的实测数据的算例分析表明,和传统预测方法相比,该方法可缩短长短期记忆网络的训练时间,提高概率预测精度.