文献类型：期刊文章

作　　者：唐振浩[1] 赵赓楠[1] 曹生现[1] 赵波[1]

TANG Zhenhao;ZHAO Gengnan;CAO Shengxian;ZHAO Bo(School of Automation Engineering, Northeast Electric Power University, Jilin 132012, Jilin Province, China)

机构地区：[1]东北电力大学自动化工程学院

出　　处：《中国电机工程学报》

基　　金：国家自然科学基金项目(61503072,51606035);吉林省自然科学基金项目(20190201095JC,20190201098JC)~~

年　　份：2019

卷　　号：39

期　　号：15

起止页码：4459-4467

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：风向预测是提高风能转化率、保障偏航系统运行安全的基础。为了建立高精度风向预测算法,提出一种基于自校正小波长短时记忆网络(self-tuning wavelet long-short term memory neural network,SWLSTM)算法。首先,利用互信息法选取时间序列特征的长度;然后,经过小波分解进一步提取风向序列的时域信息和频域信息;在此基础上,选择长短时记忆递归神经网络(long-short term memory neural network,LSTM)进行建模;最后,设计误差自校正策略,进一步提升预测精度。为了验证该文算法的适应性与预测精度,选择风电场实际风向数据分别进行实验。实验结果表明,SWLSTM算法优于常见数据建模方法,风向预测误差小于1.73%,满足风电场的生产要求。

关 键 词：风向预测  互信息法  小波分解 长短时记忆递归神经网络  误差自校正  

分 类 号：TM614]