一种改进组合神经网络的超短期风速预测方法研究

• 作者: 邵宜祥 刘剑 胡丽萍 过亮 方渊 李睿 南瑞集团有限公司
• 来源期刊: 发电技术
• 学科: 工学
• 关键词: 风力发电 超短期风速预测 BP神经网络 长短期记忆(LSTM)神经网络 差分进化(DE)算法
• 年，卷（期）: 2024,（2）
• 页码范围: 141-148
• 页数: 8页
• 语种: 中文

摘要

超短期风速预测是保障风电机组桨距角前馈控制实施效果的关键，对提高风电机组环境适应性具有重要影响。为了提高预测精度，提出了一种改进组合神经网络的超短期风速预测方法。该方法选择适合时间序列预测且具有较强非线性学习能力的BP神经网络和长短期记忆(long short-term memory,LSTM)神经网络进行加权组合，以消除单个神经网络可能存在的较大误差；同时，为了提高组合效果，采用差分进化算法对组合权重进行优化。将该方法应用于某风场超短期风速预测中，通过与单神经网络预测、等权重组合神经网络预测的结果对比，验证了所提方法在提高预测精度上的有效性。