基于深度学习分位数回归模型的风电功率概率密度预测

摘要：

针对风电功率预测问题,在现有预测方法和概率性区间预测的基础上,提出基于深度学习分位数回归的风电功率概率预测方法.该方法采用Adam随机梯度下降法在不同分位数条件下对长短期记忆神经网络(LSTM)的输入、遗忘、记忆、输出参数进行估计,得出未来200 h内各个时刻风电功率的概率密度函数.根据美国PJM网上的风电功率实际数据的仿真结果表明,所提方法不仅能得出较为精确的点预测结果,而且能够获得风电功率完整的概率密度函数预测结果.与神经网络分位数回归相比,其精度更高,且在同等置信度下的预测区间范围更小.

关键词：LSTM、核密度估计、风电功率概率预测、LSTM分位数回归、概率密度分布

所属期刊栏目：38

分类号：TM614(发电、发电厂)

资助基金：湖南省教育厅创新平台开放基金资助项目17K001

在线出版日期：2018-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：15-20