基于GRU网络的风功率短期预测模型
随着大容量风机并网需求的急速增长,现有电网的安全可靠运行面临着巨大挑战.为解决这个难题,提出一种基于深度学习的风功率预测模型.该模型以GRU网络为核心,将风电场的历史功率数据及功率相关的天气数值数据输入到模型中进行预测.鉴于风功率预测模型输入数据维度高、高波动性等特点,为了让GRU网络模型得到更精准的预测结果,在数据处理阶段引入CNN网络,降低输入数据维度.为了克服训练后的预测模型过拟合,引入了dropout技术.最后,通过实验验证该预测模型在预测速度和精度方面均有良好的表现.
短期风功率预测、深度学习、GRU网络、dropout技术
TM711(输配电工程、电力网及电力系统)
2020-04-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
9-12,39