文献类型：期刊文章

作　　者：张爱枫[1] 段新宇[2] 何枭峰[3]

Zhang Aifeng;Duan Xinyu;He Xiaofeng(Chongqing Electric Power Trading Center Co.,Lid.,Chongqing 404100,China;Electric Power Research Institute,State Grid Hunan Electric Power Co.,Ltd.,Changsha 410000,China;Guodian Chongqing Hengtai Power Generation Co.,Ltd.,Chongqing 400053,China)

机构地区：[1]重庆电力交易中心有限公司,重庆404100 [2]国网湖南省电力有限公司电力科学研究院,长沙410000 [3]国电重庆恒泰发电有限公司,重庆400053

出　　处：《电测与仪表》

年　　份：2021

卷　　号：58

期　　号：11

起止页码：121-127

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：考虑到风力发电具有波动和不确定的特点,难以预测,文章提出了基于卷积神经网络和LightGBM算法相结合的新型风电功率预测模型。通过分析风电场与相邻风电场原始数据的时序特征,构建出新的特征集;应用卷积神经网络(CNN)从输入数据中提取信息,基于数据间的对比结果调整相应参数;为了提高预测结果的准确性和鲁棒性,将LightGBM分类算法加入模型中。对比所提模型与支持向量机以及单一的LightGBM和CNN模型仿真结果,证明所提模型具有更好的精度和相率。

关 键 词：风力发电 卷积神经网络 LightGBM  短期风电功率预测 融合模型  

分 类 号：TM715]