基于CNN-LSTM网络模型的风电功率短期预测研究

作者：李艳; 彭春华^*; 傅裕; 孙惠娟

来源：华东交通大学学报, 2020, 37(04): 109-115.

DOI：10.16749/j.cnki.jecjtu.2020.04.017

• 风电功率预测
• 卷积神经网络
• 长短期记忆网络
• 卷积神经网络-长短期记忆网络模型

风电功率预测对电力系统的稳定运行与经济调度至关重要。为充分挖掘历史数据中的有效信息以提高风电功率短期预测精度,提出一种基于卷积神经网络(convolution neural network,CNN)和长短期记忆(long short-term memory network,LSTM)网络模型的风电功率短期预测方法,利用CNN序列特征提取能力进行有效信息的提取,保留更长的有效记忆信息以解决梯度弥散问题,弥补了LSTM网络模型面对过长序列时出现不稳定与梯度消失现象的不足。用国内某风电场数据进行实验,预测结果表明文中提出的方法与反向传播神经网络和LSTM网络预测方法相比,具有更高的预测精度。

• 单位
  国网江西省电力有限公司; 华东交通大学