| 基于CNN-LSTM网络模型的风电功率短期预测研究 |
| |
| 引用本文： | 李艳,彭春华,傅裕,孙惠娟.基于CNN-LSTM网络模型的风电功率短期预测研究[J].华东交通大学学报,2020,37(4):109-115. |
| |
| 作者姓名： | 李艳 彭春华 傅裕 孙惠娟 |
| |
| 作者单位： | 华东交通大学电气与自动化工程学院,江西 南昌 330013;国网江西省电力有限公司赣州供电分公司,江西 赣州341000,华东交通大学电气与自动化工程学院,江西 南昌 330013,国网江西省电力有限公司赣州供电分公司,江西 赣州341000,华东交通大学电气与自动化工程学院,江西 南昌 330013 |
| |
| 基金项目： | 江西省教育厅科技项目;江西省自然科学基金 |
| |
| 摘 要： | 风电功率预测对电力系统的稳定运行与经济调度至关重要。为充分挖掘历史数据中的有效信息以提高风电功率短期预测精度,提出一种基于卷积神经网络(convolution neural network,CNN)和长短期记忆(long short-term memory network,LSTM)网络模型的风电功率短期预测方法,利用CNN序列特征提取能力进行有效信息的提取,保留更长的有效记忆信息以解决梯度弥散问题,弥补了LSTM网络模型面对过长序列时出现不稳定与梯度消失现象的不足。用国内某风电场数据进行实验,预测结果表明文中提出的方法与反向传播神经网络和LSTM网络预测方法相比,具有更高的预测精度。
|
| 关 键 词： | 风电功率预测 卷积神经网络 长短期记忆网络 卷积神经网络-长短期记忆网络模型 |
Short Term Wind Power Prediction Based on CNN-LSTM Network Model |
| |
| Li Yan,Peng Chunhua,Fu Yu,Sun Huijuan.Short Term Wind Power Prediction Based on CNN-LSTM Network Model[J].Journal of East China Jiaotong University,2020,37(4):109-115. |
| |
| Authors: | Li Yan Peng Chunhua Fu Yu Sun Huijuan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
