基于改进深度信念网络的风电场短期风速预测

发布时间：2021-08-07 05:45

　　受大气湍流影响,滨海地区风能的随机性与波动性更为明显。为提高滨海风电场风速的预测精度,文章针对传统深度信念网络易陷入局部最优以及训练时间过长等问题,提出改进的深度信念网络模型（SA-ALSDBN）来预测风速。该方法首先采用模拟退火算法对DBN的初始参数进行优化,而后引入自适应学习步长算法缩短了训练DBN所需要的时间。实验结果表明,相比其他方法,SA-ALS-DBN方法提高了预测精度,缩小了预测误差,对于滨海地区风速预测具有更高的可行性和有效性。 

【文章来源】：可再生能源. 2020,38(11)北大核心

【文章页数】：6 页

【部分图文】：

RBM结构图

DBN结构图

SA算法流程图

【参考文献】：
期刊论文
[1]考虑气象相似性与数值天气预报修正的海上风功率预测[J]. 符杨,郑紫宸,时帅,米阳,刘栋.  电网技术. 2019(04)
[2]基于模拟退火与Levenberg-Marquardt混合算法的Energetic磁滞模型参数提取[J]. 刘任,李琳.  中国电机工程学报. 2019(03)
[3]风电场短期功率预测[J]. 岳有军,赵岩,赵辉,王红君.  中国科技论文. 2018(11)
[4]基于EEMD和LS-SVM模型的风电功率短期预测方法[J]. 程启明,陈路,程尹曼,张强,高杰.  电力自动化设备. 2018(05)

硕士论文
[1]基于深度信念网络的时间序列预测研究[D]. 李妮.西安理工大学 2019
[2]基于人工神经网络的短期风功率预测研究[D]. 杨剑南.华北电力大学 2015
[3]基于模糊聚类的GA-BP风电场短期风速及功率预测的研究[D]. 都晨.南京理工大学 2013



本文编号：3327198