基于深度神经网络算法的风电功率短期预测模型

作者：朱宗玖; 刁海岸

来源：邵阳学院学报(自然科学版), 2022, 19(04): 1-9.

• 风电功率
• 主成分分折法(PCA)
• 卷积神经网络(CNN)
• 门控递归单元(GRU)

基于风力发电容易受到外界因素影响，导致输出功率呈现波动性，提出一种卷积神经网络(convolutional neural network, CNN)和门控递归单元(gated recursive unit, GRU)相结合的风电功率预测模型，预测风电功率有利于减少风电并网对电网稳定性造成的影响。使用主成分分析法(principal component analysis, PCA)对风电多维数据进行预处理，采用CNN自动获取预处理后数据的深层时空矩阵特征，结合GRU挖掘数据的时间序列特征，建立起基于CNN-GRU网络的短期风电功率预测模型。对黑龙江某风电场实测数据进行仿真分析，对比结果表明，设计的模型精度高，相比GRU和CNN,均方根误差分别减少了41%和17%。

• 单位
  安徽理工大学