基于融合长短时记忆网络的风电场超短期风速预测研究

准确的风速预测是风电功率预测的重要基础,对于电力系统的安全、稳定和经济运行有着十分重要的意义。文章通过考虑临近风电场之间的风速时空相关性,提出了一种融合长短时记忆网络的多风电场超短期风速预测模型。首先,通过堆叠的长短时记忆网络提取单个风电场的时间序列特征。之后,通过张量拼接层以及全连接层融合多个风电场的时间序列特征。最后,使用线性全连接层输出所有风电场的未来风速预测值。采用江苏省3个临近风电场两年的数据来验证文章提出的模型。与4种常用方法的对比结果表明:融合长短时记忆网络在四个季节内的超短期风速预测结果均能达到最优;通过序列特征融合的方式可以考虑多个风电场之间的时空相关性。文章提出的时间序列特征提取和空间特征融合方案直观、有效,多个风电场的风速预测精度得到明显提升。

Very-short-term wind speed prediction of multiple wind farms based on merged long-short term memory networks