短期风电功率预测的深度学习模型

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：风电固有的间歇性和不确定性给准确预测风电出力带来了挑战,也给风电并网带来了棘手的问题.本文提出一种用于风电短期预测的卷积神经网络-双向长短期记忆网络(CNN-BiLSTM)混合深度学习模型.首先利用双向长短期记忆网络挖掘双向时间特征,然后利用卷积神经网络提取空间特征.最后使用本文模型对某风电场风电功率进行预测.对比结果表明,使用CNN-BiLSTM方法能显著改善预测性能,降低风电功率预测误差.

外文标题：Deep learning model for short-term wind power prediction

作者：

辛征、王琦、刘兴然

展开 >

作者单位：

山东建筑大学信息与电气工程学院,山东济南 250101

关键词：

风电功率短期预测双向长短期记忆网络特征提取

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.02.007