基于LSTM循环神经网络的风力预测研究

摘要：

传统的风力预测模型中有线性预测模型和非线性预测模型,在具有强非线性记录数据的局部风力预测中,绝大部分的非线性预测模型比线性预测模型预测准确度更高.对于短时间内风力大小是非线性、随机性和难以准确预测的特点,该文运用一种基于长短期记忆(long short-term memory neural net-work,LSTM)循环神经网络的短期局部风速预报技术预测风力.首先建立以 LSTM神经网络为基础的短期局部风速预测模型,然后采用 TensorFlow 深度学习平台进行模型参数调试,在此基础上,结合华东某局部风电场的历史数据作为输入,对模型进行训练和测试.研究结果表明,LSTM循环神经网络预测风速与实际的风速吻合较好,预测效果较好,并且深层神经网络具有强大的拟合能力,在数据预测方面有很强的应用性.

关键词：短期局部风速预测、循环神经网络、长短期记忆网络、深度学习

所属期刊栏目：45

分类号：TP183(自动化基础理论)

资助基金：湖南省自然科学基金项目;湖南省教育厅科学研究项目

在线出版日期：2023-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：118-128