文献类型：期刊文章

作　　者：易善军[1] 王汉军[2] 向勇[2] 田长翼[2] 高大禹[2] 陈志奎[3]

YI Shanyun;WANG Hanjun;XIANG Yong;TIAN Changyi;GAO Dayu;CHEN Zhikui(State Grid East Inner Mongolia Electric Power Supply Co.,Ltd.,Huhehaote 010010,P.R.China;Shenyang Institute of Computing Technology Co.,Ltd.,CAS,Shenyang,Liaoning,110168,China;School of Software Technology,Dalian University of Technology,Dalian 116620,P.R.China)

机构地区：[1]国网内蒙古东部电力有限公司,呼和浩特010010 [2]中国科学院沈阳计算技术研究所有限公司,沈阳110168 [3]大连理工大学软件学院,辽宁大连116620

出　　处：《重庆大学学报》

基　　金：国家自然科学基金面上项目资助(62076047);国家电网有限公司科技项目资助(52992620003L)。

年　　份：2021

卷　　号：44

期　　号：7

起止页码：75-81

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：风能作为一种无污染可再生能源,风力发电的比例在全球范围内逐年增加。针对风力发电存在出力波动大,从而导致电网电力不稳定的问题,提出基于集成多尺度长短时记忆网络(LSTM, long short-term memory)的短时风功率预测模型。利用LSTM对序列数据的特殊处理能力,集成多个基预测模型对不同尺度时间数据的预测结果,共同进行短时风功率预测。风功率的精确预测有利于电力资源的全面掌控和调度。采用中国东北地区风力发电真实数据集对模型进行验证,结果证实研究方法预测精度较高,有很好的稳定性。

关 键 词：风电预测 长短时记忆网络  集成学习  多尺度

分 类 号：TP391.4]