基于卷积和共享权系数长短时记忆网络的空时融合机制在风速预测上的应用研究

作者：王华彪^*; 鲁冠军; 李小勇

来源：太阳能学报, 2022, 43(11): 156-165.

DOI：10.19912/j.0254-0096.tynxb.2021-1362

• 风电
• 深度学习
• 长短时记忆
• 区间预测
• 概率预测
• 风速预测

针对对于风能规划和应用都具有重大影响的风速存在强随机性问题，该文提出结合卷积神经网络（CNN）和共享权重长短期记忆网络（SWLSTM）的空时融合模型（CSWLSTM），充分提取风速序列中蕴含的空域和时域信息，以提升预测精度。此外，为了获得可靠的风速概率预测结果，提出一种新的结合CNN、SWLSTM和高斯过程回归（GPR）的混合模型，称为CSWLSTM-GPR。将CSWLSTM-GPR应用于中国内蒙古风速预测案例，从点预测精度、区间预测适用性和概率预测综合性能3个方面与相同结构的CNN和SWLSTM模型的风速预测方法进行比较。CSWLSTM-GPR的可靠性测试保证了预测结果的可靠性和说服力。实验结果表明，CSWLSTM-GPR在风速预测问题上能获得高精度的点预测、合适的预测区间和可靠的概率预测结果，也充分展现了该研究所提出CSWLSTM在风速预测方面具有较好的应用潜力。

• 单位
  华南师范大学; 重庆电力高等专科学校