风电占比的不断增加对电力系统安全稳定运行带来挑战，快速、准确的风电功率预测方法至关重要。提出了一种ES-GRU-LSTM模型对风电场群功率进行预测，通过指数平滑法(ES)处理原始数据填补缺失与异常值，提高了功率数据集的可信度和平滑性，并引入训练速度快、结构较简单的门控循环单元(GRU)对预测性能好、准确性较高的长短期记忆(LSTM)神经网络进行改进，比较ES-GRU-LSTM、GRU、LSTM的预测性能和预测时间。仿真结果表明，ES-GRU-LSTM同时改善了预测精度和预测速度。
科研之友
微信
新浪微博
Facebook
分享链接
