采用LSTM的风电功率预测方法研究.pdfVIP

第40卷第2期福建电脑Vol.40No.2

2024年2月JournalofFujianComputerFeb.2024

采用LSTM的风电功率预测方法研究

贺心怡万烂军龚水萍温溢飞

(湖南工业大学计算机学院湖南株洲412007)

摘要为实现风电功率的有效预测，本文提出了一种基于长短期记忆神经网络的风电功率预测方法，并建立了基于长短期

记忆的风电功率预测模型。在公开的数据集中对该风电功率预测方法进行分析与验证。结果表明，该方法有较好的预测精度。

关键词风电功率预测；LSTM神经网络；深度学习

中图法分类号TP391DOI:10.16707/ki.fjpc.2024.02.008

ResearchonWindPowerPredictionMethodUsingLSTM

HEXinyi,WANLanjun,GONGShuiping,WENYifei

(SchoolofComputerScience,HunanUniversityofTechnology,Zhuzhou,China,412007)

AbstractToachieveeffectivepredictionofwindpower,thispaperproposesawindpowerpredictionmethod

basedonLSTMneuralnetworkandestablishesawindpowerpredictionmodelbasedonLSTM.Byanalyzing

andverifyingthewindpowerpredictionmethodinapubliclyavailabledataset,theresultsshowthatthemethod

hasgoodpredictionaccuracy.

KeywordsWindPowerPrediction;LSTMNeuralNetwork;DeepLearning

为实现风电功率的准确预测，本文提出了一种

1引言采用长短期记忆(LongShort-TermMemory，LSTM)

神经网络的风电功率预测方法。相比于其它风电功

随着可再生能源的快速发展，风力发电作为其率预测模型，该模型通过引入LSTM特有的门控机

中重要的一部分已成为一种重要的清洁能源。但由制解决了传统循环神经网络(RecurrentNeural

于风的随机性导致风电功率预测准确率低下，影响Network，RNN)中的梯度消失和梯度爆炸的问题，

[1]。因此，如何提高风电功率预测的从而能够较好地捕捉长期依赖并有效控制信息的

电力供需平衡

准确性，成为亟待解决的问题。近年来，研究者们保存和传递。

对风电功率预测展开了一些研究，提出了不同的预

测方法和模型。欧旭鹏等人提出一种基于回归卷积2风电功率预测方法

神经网络-支持向量回归（RegressiveConvolution

NeuralNetwork-SupportVectorRegressive，2.1风电功率预测模型

[2]

RCNN-SVR）组合模