基于DBN和多元线性回归的风电功率预测

摘要：

提出一种结合深度置信网络(Deep Belief Network,DBN)和多元线性回归的风电功率预测方法,同时考虑风速、风向对功率的影响进行预测研究.首先运用多元线性回归模型建立风速、风向和风电场输出功率之间的映射关系,寻找最优拟合解;然后对深度置信网络进行分层预训练并在最顶层加入多元线性回归最优解,构建预测模型在监督微调下达到参数最优;最后通过某风电场风速、风向对风电功率模型进行预测,表明提出的模型有更好的拟合效果、更精确的预测结果.

关键词：风电功率预测、风向、多元线性回归、深度置信网络、分层训练

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;山西省基础研究计划自由探索类面上项目;山西省回国留学人员科研资助项目;山西省回国留学人员科研资助项目;山西省留学回国人员科技活动择优资助项目;山西省留学人员科技活动择优资助项目;山西省高等学校科技创新项目

在线出版日期：2023-08-02（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：90-95,448