文献类型：期刊文章

作　　者：任国辉[1] 姜力杭[1] 韩祺[2] 付盛文[2] 缪广荻[3]

机构地区：[1]鲁东大学信息与电气工程学院,山东烟台264001 [2]鲁东大学蔚山船舶与海洋学院,山东烟台264001 [3]鲁东大学数学与统计科学学院,山东烟台264001

出　　处：《电脑知识与技术》

基　　金：省级大学生创新创业训练计划项目(S202310451103)。

年　　份：2024

卷　　号：20

期　　号：6

起止页码：18-20

语　　种：中文

收录情况：普通刊

摘　　要：风力发电本身具有随机性和波动性,加上我国风电资源的加速发展,使得风电单机容量和并网型风电场规模扩大,给电力系统的安全性、稳定性、经济性和可靠运行带来很大挑战。利用发电输出功率的预测结果,为实时经济调度提供可靠依据,是目前较为迫切的需求。本文提出了一种基于随机森林算法和LSTM模型相结合的深度学习算法用于短期风电功率预测。通过对某发电厂数据的评估,采取了多项措施应对可能的误差源,包括随机森林算法进行特征筛选,处理空缺值和异常值。经调试选择最优参数后,将随机森林和高斯过程与LSTM深度模型结合,导入数据进行预测,并使用均方误差函数计算预测误差。将该模型应用于实测数据验证,结果表明,评估模型的均方误差为0.009831。

关 键 词：短期风电功率预测 随机森林  深度学习  数据处理 LSTM  

分 类 号：TP391]