avatar avatar 我的文献 基于降噪时序深度学习网络的风电功率短期预测方法 作者 曹有为; 闫双红; 刘海涛; 郭力 单位 内蒙古电力(集团)有限责任公司培训中心; 内蒙古电力集团综合能源有限责任公司; 智能电网教育部重点实验室(天津大学) 期刊 电力系统及其自动化学报 时间 关键词 风能; 功率预测; 奇异谱分析; 长短时记忆网络
摘要
利用风电场历史功率数据预测未来一段时间内的风功率,对保障电网安全稳定运行具有重要的意义。本文提出一种基于奇异谱分析(Singular Spectrum Analysis, SSA)和长短时记忆网络(Long Short Term Memory Network, LSTM)的时序特征预测框架用于短期风功率的预测。首先通过SSA对历史风功率原始数据进行降噪处理,然后经过数据转换之后,以LSTM为基础进行预测模型的训练,最后通过某风电场提供的两个风机的历史功率数据进行验证。实验结果表明,奇异谱分析对风电场的历史数据具有良好的降噪性,SSA+LSTM模型在测试数据上取得了较好的预测性能,能够有效进行短期风功率的预测。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭