文献类型：期刊文章

作　　者：栗然[1] 马涛[1] 张潇[1] 回旭[1] 刘英培[1] 尹晓钢[2]

Li Ran;Ma Tao;Zhang Xiao;Hui Xu;Liu Yingpei;Yin Xiaogang(l.School of Electrical and Electronic Engineering,North China Electric Power University,Baoding 071003,China;State Grid Shandong Electric Power Company Zibo Power Supply Company,Zibo 255000,China)

机构地区：[1]华北电力大学电气与电子工程学院,保定071003 [2]国网山东省电力公司淄博供电公司,淄博255000

出　　处：《太阳能学报》

基　　金：国家自然科学基金(51607069)。

年　　份：2021

卷　　号：42

期　　号：6

起止页码：304-311

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出一种基于卷积长短期记忆神经网络(CNN-LSTM)的短期风功率预测模型。该模型以风电场风功率历史数据以及风速风向等数值天气预报(NWP)数据为输入对风功率进行预测。首先,利用主成分分析法(PCA)对原始多维气象数据变量进行预处理,然后将处理过的气象数据和历史风功率数据通过卷积网络实现对数据的特征提取和进一步的数据降维,再通过长短期记忆网络实现对数据的拟合,并在神经网络的训练过程中引入DropConnect技术减小模型中的过拟合现象,最终实现风功率的精确预测。以中国西北某风电场的实测数据进行验证,结果表明所提方法能有效对风功率进行预测,较BP神经网络和支持向量机(SVM)有更高的预测精度。

关 键 词：风功率预测  主成分分析 长短期记忆  卷积神经网络 DropConnect技术  

分 类 号：TM614]