10.19335/j.cnki.2095-6649.2020.03.001
基于相空间重构和长短期记忆网络的风电预测
针对风电时间序列的混沌特性,提出一种基于相空间重构和长短期记忆网络的风功率预测方法.利用互信息法和GP算法计算风电序列的延迟时间和嵌入维数,并基于Takens相空间重构定理对风电数据进行重构.通过模型评价指标对三种模型(Recon-LSTM,RNN,SVM)进行比较,实验结果表明,在10min、20min、30min和1h四个预测范围内,Recon-LSTM模型与其他两种模型相比具有较高的预测精度和泛化能力.在预测步长为10分钟时,均方根误差低至0.52,随着预测步长的增加,均方根误差仍然在一个较小的范围.当预测范围达到1小时时,均方根误差也只有1.63,这充分地证明了该模型的有效性.
风功率预测、相空间重构、长短期记忆网络、互信息、GP算法
10
TM614(发电、发电厂)
国家自然科学基金资助项目资助51867007
2020-06-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
1-6