基于融合LSTM的超短期风速概率预测方法研究

发布时间：2020-07-15 13:21

【摘要】：风电已经成为目前最主要的可再生能源之一,在高比例可再生能源电力系统中扮演了重要的角色。然而风电具有波动性,大规模的风电并网将影响电力系统的安全、稳定和经济运行。大量的研究表明高精度的风电功率预测是解决该问题的重要手段之一。然而受限于单个风电场的预测建模仅仅考虑了当地的局部气象因素,模型输入信息较少,传统的单场建模方法已经难以满足电力系统高精度预测的需求。当大规模的风电场并网时,同一区域内的大量风电场将受到相同天气系统影响,临近的风电场风速、功率之间存在明显的时空依赖关系。对多个风电场的风速进行同时预测建模,利用相邻多个风电场的风速信息提升风速的预测精度是当前风电场风速预测研究中的重要研究主题。深度神经网络具有较强的非线性拟合能力,并且网络结构灵活,在可再生能源预测领域有广阔的应用前景。其中,长短时记忆网络在处理时间序列特征提取方面有较强的优势。本文基于多风电场风速特征融合的思想,建立了多风电场超短期风速概率预测模型,模型采用长短时记忆网络作为风速序列的特征提取模块,并全连接神经网络对序列特征进行融合,最后还以分位数输出来同时获得多个风电场的风速概率预测结果。选取了中国南方三个相邻风电场的实测风速数据对模型进行了验证,验证结果表明:本文提出的多风电场超短期风速概率预测模型能够融合临近风电场的风速信息来提升区域内所有风电场在不同季节的风速预测精度。
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM614

【相似文献】

相关期刊论文 前10条

1 龚风云;王凯;;基于LSTM神经网络的乌鲁木齐市流感样病例的预测研究[J];科技视界;2019年31期

2 陈亮;王震;王刚;;深度学习框架下LSTM网络在短期电力负荷预测中的应用[J];电力信息与通信技术;2017年05期

3 王国栋;韩斌;孙文峗;;基于LSTM的舰船运动姿态短期预测[J];舰船科学技术;2017年13期

4 周生强;;LSTM对上证指数的实证分析[J];现代经济信息;2017年09期

5 黄伟;刘存才;祁思博;;针对设备端口链路的LSTM网络流量预测与链路拥塞方案[J];网络与信息安全学报;2019年06期

6 关鹏飞;李宝安;吕学强;周建设;;注意力增强的双向LSTM情感分析[J];中文信息学报;2019年02期

7 刘锦源;;面向农产品期货价格预测的改进LSTM方法[J];江苏科技信息;2019年27期

8 张明;杜裕;洪国平;;LSTM在宜昌短期电力负荷预测中的试验应用[J];气象研究与应用;2019年03期

9 杜舒静;徐凡;王明文;;实体驱动的双向LSTM篇章连贯性建模[J];中文信息学报;2017年06期

10 保罗;郭旭琦;乔铁柱;阎高伟;;改进LSTM神经网络在磨机负荷参数软测量中的应用[J];中国矿山工程;2017年03期

相关会议论文 前10条

1 蒋振超;邓永;姜青山;古亮;;一种基于两阶段字符级LSTM的僵尸网络检测方法[A];第32次全国计算机安全学术交流会论文集[C];2017年

2 李鹏程;孙敏;庞溟舟;;基于LSTM神经网络的公交到站时间预测[A];第37届中国控制会议论文集（F）[C];2018年

3 朱佳晖;张文峰;刘卫平;张超;陈渊;;基于双向LSTM和CRF的军事命名实体识别和链接[A];第六届中国指挥控制大会论文集（上册）[C];2018年

4 柯任辰;徐维庆;杨科;;一种基于LSTM神经网络的自适应巡航研究[A];2019中国汽车工程学会年会论文集（1）　[C];2019年

5 刘天鹏;刘海;;基于LSTM的城市道路养护投诉量预测研究[A];中国公路学会养护与管理分会第九届学术年会论文集[C];2019年

6 安鹏;曹丹平;;基于LSTM循环神经网络的孔隙度预测方法研究[A];2018年中国地球科学联合学术年会论文集（二十九）——专题59：计算地球物理方法和应用、专题60：地热资源成因新理论与综合探测新技术[C];2018年

7 梅杰;;基于LSTM神经网络的有效停车泊位短时预测方法研究[A];创新驱动与智慧发展——2018年中国城市交通规划年会论文集[C];2018年

8 张玮霖;朱永华;高洪皓;;基于LSTM编码-解码器模型的网络服务器集群负载预测算法[A];2018中国信息通信大会论文摘要集[C];2018年

9 张宇;张鹏远;颜永红;;基于注意力LSTM和多任务学习的远场语音识别[A];第十四届全国人机语音通讯学术会议（NCMMSC’2017）论文集[C];2017年

10 刘秀波;马帅;高利民;张博;;基于轨道几何和LSTM的车辆响应预测模型[A];第十三届全国振动理论及应用学术会议论文集[C];2019年

相关硕士学位论文 前10条

1 张冲冲;基于LSTM深度网络和改进核极限学习机的短期电力负荷预测[D];华北电力大学;2019年

2 梁小龙;基于CNN和LSTM结合的心律失常分类研究[D];西南大学;2019年

3 周义;基于关注度LSTM的动作提议和行为识别[D];合肥工业大学;2019年

4 周航帆;基于词向量的LSTM网络在音乐推荐中的应用研究[D];江苏大学;2019年

5 霍晓凯;基于History Attention的LSTM对话管理算法及其应用[D];吉林大学;2019年

6 田甜;基于LSTM的结构病态问题预测方法研究[D];长安大学;2019年

7 Khuram Hayat;基于融合LSTM的超短期风速概率预测方法研究[D];华北电力大学(北京);2019年

8 杜心;基于LSTM神经网络的可用停车位预测模型研究[D];武汉理工大学;2018年

9 李永帅;基于双向LSTM的动态情感词典构建方法研究及文本情感分析[D];郑州大学;2019年

10 闫泽杭;基于互助双向LSTM与递进解码机制的图像标题生成[D];大连理工大学;2018年

本文编号：2756545