天津理工大学学报

2020, v.36;No.162(05) 49-54+59

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于双向长短期记忆神经网络的风电预测方法
Wind power prediction method based on bidirectional long-short term memory neural network

刘永强;续毅;贺永辉;柳文斌;

摘要(Abstract):

风电受天气条件的影响具有间歇性和波动性的特点,随着风电在电网中渗透率的提高,电网面临着新的挑战.对风电进行预测并根据预测值进行合理调度,可在一定程度上缓解风电的不确定性对电网的影响.本文提出了基于双向长短期记忆神经网络的风电预测方法,该模型可以同时利用过去和未来的数值天气预报信息,提高了风力发电的预测精度.首先,文章阐述了单向长短期记忆神经网络的原理和结构,在此基础上,添加反向隐含层成为双向长短期记忆神经网络;其次,基于双向长短期记忆神经网络,构建了风电预测架构,并分析了风电预测的评价指标;最后,利用实际数据进行了仿真验证,结果表明,相对于长短期记忆模型,以均方根误差、希尔不等系数和对称均值绝对值百分比误差三个指标衡量,双向长短期记忆神经网络的预测精度分别提高了10.25%、6.71%和12.18%.

关键词(KeyWords): 风力发电;预测;长短期记忆;数值天气预报;评价指标

Abstract:

Keywords:

基金项目(Foundation): 国网山西省电力公司科技项目(考虑分布式新能源发电和可控负荷协调互动的虚电厂运行技术研究5101/2018-15007B)

作者(Author): 刘永强;续毅;贺永辉;柳文斌;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享