基于LSTM的风矢量预测方法

朱天宇; 叶强; 郝建树; 高超越; 杨家祺

首页> 中文期刊> 《电力自动化设备》 >基于LSTM的风矢量预测方法

基于LSTM的风矢量预测方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

从特征工程角度对风速与风向间的相关性进行分析,结果表明,风速与风向包含的特征信息不同,可以同时将其作为输入变量,用于训练模型。该结果也为输入变量时间长度的选择提供了依据。将风速分解为东西及南北方向2个正交的一维变量,以防止多维变量增加方法复杂度。采用长短时记忆神经网络(LSTM)分别对2个方向风速训练预测模型,并将预测结果还原为风速与风向预测数据。实验结果表明,所提方法能够更好地捕捉风速与风向中的信息量,在风速与风向的预测误差分别小于1.0 m/s和5°时,预测准确率可达到90%以上。

著录项

来源
《电力自动化设备》 |2023年第11期|111-116|共6页
作者
朱天宇; 叶强; 郝建树; 高超越; 杨家祺;
展开▼
作者单位

哈尔滨工业大学经济与管理学院;

东北林业大学机电工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类风能发电;
关键词
风矢量预测方法; 长短时记忆神经网络; 特征工程; 相关性; 方法复杂度; 信息密度;

相似文献

中文文献
外文文献
专利

1. 基于Bayes-LSTM网络的风电出力预测方法 [J] . 陈峰 ,余轶 ,徐敬友 . 电力系统保护与控制 . 2023,第6期
2. 基于MIC-LSTM的风电机组温度信号融合与预测方法 [J] . 汪势杰 ,王健 ,代家昆 . 红水河 . 2022,第3期
3. 基于LSTM-XGboost组合的超短期风电功率预测方法 [J] . 王愈轩 ,梁沁雯 ,章思远 . 科学技术与工程 . 2022,第14期
4. 基于CNN-LSTM-lightGBM组合的超短期风电功率预测方法 [J] . 王愈轩 ,刘尔佳 ,黄永章 . 科学技术与工程 . 2022,第36期
5. LSTM-RF的中长期风电功率组合预测方法 [J] . 何健伟 ,曹渝昆 . 上海电力学院学报 . 2020,第4期
6. 基于 Conv-LSTM的短时交通流量预测方法 [C] . Zhao Yubo ,赵昱博 . 第十五届中国智能交通年会 . 2020
7. 基于DA-LSTM的短期风电功率预测研究 [A] . 陈迪煌 . 2021

基于LSTM的风矢量预测方法

摘要

著录项

相似文献

相关主题

期刊订阅