基于深度门控循环单元神经网络的短期风功率预测模型

摘要：

随着新能源的不断发展,大量大容量风电机组并入电网运行,给电网的安全可靠运行以及风力发电的可持续发展都提出了新的挑战.提出一种风功率预测模型,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数据作为输入对风功率进行预测.考虑到风功率预测中输入数据的波动性和不确定性,在传统门控循环单元(GRU)神经网络的基础上融合卷积神经网络(CNN),以提高模型对原始数据的特征提取和降维能力,并引入dropout技术减少模型中的过拟合现象.工程实例分析表明,所提模型在预测准确度和运算速度方面均优于长短记忆神经网络模型.

关键词：风功率预测、深度神经网络、门控循环单元、卷积神经网络

所属期刊栏目：38

分类号：TM614(发电、发电厂)

资助基金：国家自然科学基金资助项目51477054;国家高技术研究发展计划863计划项目2015AA050201

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：36-42