基于LSTM风速区间预测的风力发电机再切入控制

台风风况时,风速变化率大,风力发电机出力受限,除需要考虑提高风速的预测精度之外,还应着重考虑再切入控制方案的设置问题。而台风时风速采样数据稀少,传统利用周期性、相似性进行预测的效果并不理想和瞬时风速在切出风速上下波动时,单独采用风速死区的方法失效,严重影响风机安全性和可靠性。因此,提出一种基于递归神经网络LSTM的风速区间预测方法,通过深度神经网络对采样风速进行超短期预测,并把预测结果的置信水平,作为风速预测区间的上下限,进而实现风速的区间预测。结合实例证明提出的方法有效地降低了风力发电机的切出次数,提升了风机安全性和可靠性。