科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统循环神经网络（RNN）和卷积神经网络（CNN）模型对风电功率进行较长时间尺度的短期预测时出现的时不变性问题，应用时变深度前馈神经网络（ForecastNet）模型进行短期风电功率不确定性预测。该模型的网络结构随时间变化以提高多步提前预测能力，模型交错输出以缓解梯度消失问题，使用混合密度网络得到各个时刻的概率密度分布。在避免传统深度学习模型中，该模型能避免递归多步预测累积误差的同时可以充分考虑相邻时刻风电功率的相关性；在模型隐藏层中，使用美国PJM网上的风电功率实际数据，分别应用全连接网络、卷积网络以及基于注意力机制的卷积网络3种神经网络模型进行预测，每次预测未来12 h的风电功率，滚动预测得到未来500 h的风电功率区间和概率密度，实验仿真结果能够证明所提预测模型的有效性。
- 单位
