基于AM-LSTM模型的超短期风电功率预测

摘要：

近年来,中国的风力发电产业高速发展.然而风力发电具有不稳定性,风电功率超短期预测结果的准确性直接影响到电网安全有效的运行.为了进一步提高风电功率超短期预测的精确度,提出了长短期记忆网络-注意力模型(AM-LSTM)风电功率预测模型,该模型将长短期记忆网络(long-term and short-term memory,LSTM)和注意力模型(attention model,AM)相结合,LSTM网络能够处理好风速、风向等时间序列变量与风电功率之间的非线性关系,注意力模型能够优化LSTM网络的权重,从而使预测结果更加准确.采用真实的风电场历史数据进行实验,结果表明:提出的AM-LSTM预测模型能够有效利用多变量时间序列数据进行风电场发电功率的超短期预测,比传统的BP神经网络和LSTM网络具有更精确的预测效果.该预测模型为风电场地电力调度提供了科学参考.

关键词：长短期记忆网络、注意力模型、多变量时间序列、风电功率、超短期预测

所属期刊栏目：20

分类号：TM614(发电、发电厂)

资助基金：国家自然科学基金;国家重点研发计划;内蒙古自然科学基金

在线出版日期：2020-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8594-8600