深度学习方法在风电功率预测中的应用与研究方向概述.pdfVIP

计算机科学与探索1673-9418/2025/19(03)-0602-21

JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2408090

深度学习方法在风电功率预测中的应用与研究方向概述

11+12311

刘谭，刘娜，刘贵平，刘坤杰，刘敏，庄旭菲，张中豪

1.内蒙古工业大学信息工程学院，呼和浩特010080

2.华电（宁夏）能源有限公司新能源分公司，银川750000

3.鄂尔多斯生态环境职业学院，内蒙古鄂尔多斯017010

+通信作者E-mail:csnaliu@

摘要：随着全球对可再生能源需求的增加，风电作为清洁可再生能源的重要组成部分，其功率的准确预测对于电

力系统的稳定运行和能源的高效利用至关重要。近年来，深度学习方法在风功率预测领域展现出显著的优势，通过

构建复杂的非线性模型，深度学习模型能够有效地捕捉风功率数据的内在规律和变化趋势。从风电功率预测的分

类、实现一般思路和评估方法概述了风电功率预测的研究对象和目标。综述了深度学习技术在风功率预测中的应

用，在对深度学习技术做出细致的划分的基础上，重点分析了基于空间结构的深度学习模型和基于时间的深度学习

模型及其相关变体模型所克服的问题和性能表现，并对所提模型方法存在的局限性及对应解决方法进行总结。从

数据处理、参数优化算法和风电功率预测模型优化方法三个方面概述了基于深度学习风电功率预测的研究进展。

对未来风电功率预测的发展方向进行了展望。

关键词：风电功率预测；神经网络；深度学习

文献标志码：A中图分类号：TP399

OverviewofApplicationsandResearchDirectionsofDeepLearningMethodsfor

WindPowerPrediction

11+12311

LIUTan,LIUNa,LIUGuiping,LIUKunjie,LIUMin,ZHUANGXufei,ZHANGZhonghao

1.CollegeofInformationEngineering,InnerMongoliaUniversityofTechnology,Hohhot010080,China

2.Huadian(Ningxia)EnergyCo.,Ltd.NewEnergyBranch,Yinchuan750000,China

3.OrdosVocationalCollegeofEco-environment,Ordos,InnerMongolia017010,China

Abstract:Astheglobaldemandforrenewableenergyincreases,windpower,asanimportantpartofcleanrenewable

energy,theaccuratepredictionofitspoweriscrucialforthestableoperationofthepowersystemandtheefficientuseof

energy.Inrecentyears,deeplearningmethodshavedemonstratedsignificantadvantagesinthefieldofwindpowerprediction,

andbyconstructingcomplexnonlinearmodels,deeplearningmodelscaneffectivelycapturetheintrinsiclawsandchanging

trendsofwindpow