【摘要】：風(fēng)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(fēng)電具有波動性,大規(guī)模的風(fēng)電并網(wǎng)將影響電力系統(tǒng)的安全、穩(wěn)定和經(jīng)濟(jì)運行。大量的研究表明高精度的風(fēng)電功率預(yù)測是解決該問題的重要手段之一。然而受限于單個風(fēng)電場的預(yù)測建模僅僅考慮了當(dāng)?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(yù)測的需求。當(dāng)大規(guī)模的風(fēng)電場并網(wǎng)時,同一區(qū)域內(nèi)的大量風(fēng)電場將受到相同天氣系統(tǒng)影響,臨近的風(fēng)電場風(fēng)速、功率之間存在明顯的時空依賴關(guān)系。對多個風(fēng)電場的風(fēng)速進(jìn)行同時預(yù)測建模,利用相鄰多個風(fēng)電場的風(fēng)速信息提升風(fēng)速的預(yù)測精度是當(dāng)前風(fēng)電場風(fēng)速預(yù)測研究中的重要研究主題。深度神經(jīng)網(wǎng)絡(luò)具有較強的非線性擬合能力,并且網(wǎng)絡(luò)結(jié)構(gòu)靈活,在可再生能源預(yù)測領(lǐng)域有廣闊的應(yīng)用前景。其中,長短時記憶網(wǎng)絡(luò)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(fēng)電場風(fēng)速特征融合的思想,建立了多風(fēng)電場超短期風(fēng)速概率預(yù)測模型,模型采用長短時記憶網(wǎng)絡(luò)作為風(fēng)速序列的特征提取模塊,并全連接神經(jīng)網(wǎng)絡(luò)對序列特征進(jìn)行融合,最后還以分位數(shù)輸出來同時獲得多個風(fēng)電場的風(fēng)速概率預(yù)測結(jié)果。選取了中國南方三個相鄰風(fēng)電場的實測風(fēng)速數(shù)據(jù)對模型進(jìn)行了驗證,驗證結(jié)果表明:本文提出的多風(fēng)電場超短期風(fēng)速概率預(yù)測模型能夠融合臨近風(fēng)電場的風(fēng)速信息來提升區(qū)域內(nèi)所有風(fēng)電場在不同季節(jié)的風(fēng)速預(yù)測精度。
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TM614

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

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

2 陳亮;王震;王剛;;深度學(xué)習(xí)框架下LSTM網(wǎng)絡(luò)在短期電力負(fù)荷預(yù)測中的應(yīng)用[J];電力信息與通信技術(shù);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(yù)測[J];艦船科學(xué)技術(shù);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(jì)信息;2017年09期

5 黃偉;劉存才;祁思博;;針對設(shè)備端口鏈路的LSTM網(wǎng)絡(luò)流量預(yù)測與鏈路擁塞方案[J];網(wǎng)絡(luò)與信息安全學(xué)報;2019年06期

6 關(guān)鵬飛;李寶安;呂學(xué)強;周建設(shè);;注意力增強的雙向LSTM情感分析[J];中文信息學(xué)報;2019年02期

7 劉錦源;;面向農(nóng)產(chǎn)品期貨價格預(yù)測的改進(jìn)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(fù)荷預(yù)測中的試驗應(yīng)用[J];氣象研究與應(yīng)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(xué)報;2017年06期

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

相關(guān)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(luò)檢測方法[A];第32次全國計算機安全學(xué)術(shù)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(luò)的公交到站時間預(yù)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(luò)的自適應(yīng)巡航研究[A];2019中國汽車工程學(xué)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(hù)投訴量預(yù)測研究[A];中國公路學(xué)會養(yǎng)護(hù)與管理分會第九屆學(xué)術(shù)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(luò)的孔隙度預(yù)測方法研究[A];2018年中國地球科學(xué)聯(lián)合學(xué)術(shù)年會論文集（二十九）——專題59：計算地球物理方法和應(yīng)用、專題60：地?zé)豳Y源成因新理論與綜合探測新技術(shù)[C];2018年

7 梅杰;;基于LSTM神經(jīng)網(wǎng)絡(luò)的有效停車泊位短時預(yù)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(luò)服務(wù)器集群負(fù)載預(yù)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(yuǎn);顏永紅;;基于注意力LSTM和多任務(wù)學(xué)習(xí)的遠(yuǎn)場語音識別[A];第十四屆全國人機語音通訊學(xué)術(shù)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(yīng)預(yù)測模型[A];第十三屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2019年

相關(guān)碩士學(xué)位論文 前10條

1 張沖沖;基于LSTM深度網(wǎng)絡(luò)和改進(jìn)核極限學(xué)習(xí)機的短期電力負(fù)荷預(yù)測[D];華北電力大學(xué);2019年

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

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

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

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

6 田甜;基于LSTM的結(jié)構(gòu)病態(tài)問題預(yù)測方法研究[D];長安大學(xué);2019年

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

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

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

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

本文編號：2756545