基于CNN-LSTM网络模型的风电功率短期预测研究
风电功率预测对电力系统的稳定运行与经济调度至关重要.为充分挖掘历史数据中的有效信息以提高风电功率短期预测精度,提出一种基于卷积神经网络(convolution neural network,CNN)和长短期记忆(long short-term memory network,LSTM)网络模型的风电功率短期预测方法,利用CNN序列特征提取能力进行有效信息的提取,保留更长的有效记忆信息以解决梯度弥散问题,弥补了LSTM网络模型面对过长序列时出现不稳定与梯度消失现象的不足.用国内某风电场数据进行实验,预测结果表明文中提出的方法与反向传播神经网络和LSTM网络预测方法相比,具有更高的预测精度.
风电功率预测、卷积神经网络、长短期记忆网络、卷积神经网络-长短期记忆网络模型
37
TM614(发电、发电厂)
江西省自然科学基金项目;江西省教育厅科技项目
2020-10-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
109-115