基于互信息理论与递归神经网络的短期风速预测模型 |
| |
作者单位: | 上海交通大学船舶海洋与建筑工程学院,上海200240;上海交通大学船舶海洋与建筑工程学院,上海200240;上海交通大学海洋工程国家重点实验室,上海200240;上海交通大学水动力学教育部重点实验室,上海200240 |
| |
基金项目: | 上海市教委科研创新项目;国家自然科学基金;国家自然科学基金;国家自然科学基金;上海市东方学者计划;上海市曙光学者计划 |
| |
摘 要: | 风速的波动性和随机性为风电并网造成安全隐患,提高风速预测精度对于风电系统的稳定和风能发展十分重要.提出一种基于互信息(MI)理论和递归神经网络(RNN)的短期风速预测组合新模型(MI-RNN).该模型利用MI理论选择最优的历史风速序列长度(τ),通过每τ步预测下一时间点风速的方式,将历史风速数据输入RNN中进行模型训练,并由训练后的RNN模型输出最终的风速预测结果.将MI-RNN模型应用于风电场的风速数据集中,与传统机器学习风速预测模型进行比较,以验证模型的预测精度.结果显示,MI-RNN模型的预测精度更高,预测稳定性更强,并且能够准确预测未来风向,有望应用于含空间维度的风电场的风速预测.
|
关 键 词: | 风速预测 风能 互信息理论 深度学习 递归神经网络 风电场 |
本文献已被 CNKI 万方数据 等数据库收录! |
|