【摘要】：風電已經(jīng)成為目前最主要的可再生能源之一,在高比例可再生能源電力系統(tǒng)中扮演了重要的角色。然而風電具有波動性,大規(guī)模的風電并網(wǎng)將影響電力系統(tǒng)的安全、穩(wěn)定和經(jīng)濟運行。大量的研究表明高精度的風電功率預測是解決該問題的重要手段之一。然而受限于單個風電場的預測建模僅僅考慮了當?shù)氐木植繗庀笠蛩?模型輸入信息較少,傳統(tǒng)的單場建模方法已經(jīng)難以滿足電力系統(tǒng)高精度預測的需求。當大規(guī)模的風電場并網(wǎng)時,同一區(qū)域內(nèi)的大量風電場將受到相同天氣系統(tǒng)影響,臨近的風電場風速、功率之間存在明顯的時空依賴關系。對多個風電場的風速進行同時預測建模,利用相鄰多個風電場的風速信息提升風速的預測精度是當前風電場風速預測研究中的重要研究主題。深度神經(jīng)網(wǎng)絡具有較強的非線性擬合能力,并且網(wǎng)絡結構靈活,在可再生能源預測領域有廣闊的應用前景。其中,長短時記憶網(wǎng)絡在處理時間序列特征提取方面有較強的優(yōu)勢。本文基于多風電場風速特征融合的思想,建立了多風電場超短期風速概率預測模型,模型采用長短時記憶網(wǎng)絡作為風速序列的特征提取模塊,并全連接神經(jīng)網(wǎng)絡對序列特征進行融合,最后還以分位數(shù)輸出來同時獲得多個風電場的風速概率預測結果。選取了中國南方三個相鄰風電場的實測風速數(shù)據(jù)對模型進行了驗證,驗證結果表明:本文提出的多風電場超短期風速概率預測模型能夠融合臨近風電場的風速信息來提升區(qū)域內(nèi)所有風電場在不同季節(jié)的風速預測精度。
【學位授予單位】：華北電力大學(北京)
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TM614

【相似文獻】

相關期刊論文 前10條

1 龔風云;王凱;;基于LSTM神經(jīng)網(wǎng)絡的烏魯木齊市流感樣病例的預測研究[J];科技視界;2019年31期

2 陳亮;王震;王剛;;深度學習框架下LSTM網(wǎng)絡在短期電力負荷預測中的應用[J];電力信息與通信技術;2017年05期

3 王國棟;韓斌;孫文峗;;基于LSTM的艦船運動姿態(tài)短期預測[J];艦船科學技術;2017年13期

4 周生強;;LSTM對上證指數(shù)的實證分析[J];現(xiàn)代經(jīng)濟信息;2017年09期

5 黃偉;劉存才;祁思博;;針對設備端口鏈路的LSTM網(wǎng)絡流量預測與鏈路擁塞方案[J];網(wǎng)絡與信息安全學報;2019年06期

6 關鵬飛;李寶安;呂學強;周建設;;注意力增強的雙向LSTM情感分析[J];中文信息學報;2019年02期

7 劉錦源;;面向農(nóng)產(chǎn)品期貨價格預測的改進LSTM方法[J];江蘇科技信息;2019年27期

8 張明;杜裕;洪國平;;LSTM在宜昌短期電力負荷預測中的試驗應用[J];氣象研究與應用;2019年03期

9 杜舒靜;徐凡;王明文;;實體驅(qū)動的雙向LSTM篇章連貫性建模[J];中文信息學報;2017年06期

10 保羅;郭旭琦;喬鐵柱;閻高偉;;改進LSTM神經(jīng)網(wǎng)絡在磨機負荷參數(shù)軟測量中的應用[J];中國礦山工程;2017年03期

相關會議論文 前10條

1 蔣振超;鄧永;姜青山;古亮;;一種基于兩階段字符級LSTM的僵尸網(wǎng)絡檢測方法[A];第32次全國計算機安全學術交流會論文集[C];2017年

2 李鵬程;孫敏;龐溟舟;;基于LSTM神經(jīng)網(wǎng)絡的公交到站時間預測[A];第37屆中國控制會議論文集（F）[C];2018年

3 朱佳暉;張文峰;劉衛(wèi)平;張超;陳淵;;基于雙向LSTM和CRF的軍事命名實體識別和鏈接[A];第六屆中國指揮控制大會論文集（上冊）[C];2018年

4 柯任辰;徐維慶;楊科;;一種基于LSTM神經(jīng)網(wǎng)絡的自適應巡航研究[A];2019中國汽車工程學會年會論文集（1）　[C];2019年

5 劉天鵬;劉海;;基于LSTM的城市道路養(yǎng)護投訴量預測研究[A];中國公路學會養(yǎng)護與管理分會第九屆學術年會論文集[C];2019年

6 安鵬;曹丹平;;基于LSTM循環(huán)神經(jīng)網(wǎng)絡的孔隙度預測方法研究[A];2018年中國地球科學聯(lián)合學術年會論文集（二十九）——專題59：計算地球物理方法和應用、專題60：地熱資源成因新理論與綜合探測新技術[C];2018年

7 梅杰;;基于LSTM神經(jīng)網(wǎng)絡的有效停車泊位短時預測方法研究[A];創(chuàng)新驅(qū)動與智慧發(fā)展——2018年中國城市交通規(guī)劃年會論文集[C];2018年

8 張瑋霖;朱永華;高洪皓;;基于LSTM編碼-解碼器模型的網(wǎng)絡服務器集群負載預測算法[A];2018中國信息通信大會論文摘要集[C];2018年

9 張宇;張鵬遠;顏永紅;;基于注意力LSTM和多任務學習的遠場語音識別[A];第十四屆全國人機語音通訊學術會議（NCMMSC’2017）論文集[C];2017年

10 劉秀波;馬帥;高利民;張博;;基于軌道幾何和LSTM的車輛響應預測模型[A];第十三屆全國振動理論及應用學術會議論文集[C];2019年

相關碩士學位論文 前10條

1 張沖沖;基于LSTM深度網(wǎng)絡和改進核極限學習機的短期電力負荷預測[D];華北電力大學;2019年

2 梁小龍;基于CNN和LSTM結合的心律失常分類研究[D];西南大學;2019年

3 周義;基于關注度LSTM的動作提議和行為識別[D];合肥工業(yè)大學;2019年

4 周航帆;基于詞向量的LSTM網(wǎng)絡在音樂推薦中的應用研究[D];江蘇大學;2019年

5 霍曉凱;基于History Attention的LSTM對話管理算法及其應用[D];吉林大學;2019年

6 田甜;基于LSTM的結構病態(tài)問題預測方法研究[D];長安大學;2019年

7 Khuram Hayat;基于融合LSTM的超短期風速概率預測方法研究[D];華北電力大學(北京);2019年

8 杜心;基于LSTM神經(jīng)網(wǎng)絡的可用停車位預測模型研究[D];武漢理工大學;2018年

9 李永帥;基于雙向LSTM的動態(tài)情感詞典構建方法研究及文本情感分析[D];鄭州大學;2019年

10 閆澤杭;基于互助雙向LSTM與遞進解碼機制的圖像標題生成[D];大連理工大學;2018年

本文編號：2756545