基于空间深度置信网络的风速预测优化方法

作者：许皓宇; 薛巍^*; 张涛; 谢洪亮

来源：电子技术应用, 2022, 48(08): 111-122.

DOI：10.16157/j.issn.0258-7998.212141

• 深度置信网络
• 风速预测
• 高斯过程回归

风能是目前应用最为广泛、技术最为成熟的可再生能源。为了保证风电场的稳定和安全运行，风速的准确预测至关重要。除传统的数值天气预报以外，机器学习技术已经广泛应用于不同时间尺度的风速预测。然而这些工作大多局限于单一地点的风速序列分析，没有考虑和利用风速的空间相关性。对此，使用深度置信网络(Deep Belief Network, DBN)对同一区域内多个地点的风速序列进行空间相关性特征识别。在训练过程中，深度置信网络充分挖掘了该区域内历史风速的联合分布，借此改善未来的风速预测。多组风速预测实验表明，空间深度置信网络能够有效降低风速的预测误差，经过空间深度置信网络重构后的风速预测误差平均降低了0.4 m/s。

• 单位
  清华大学