基于多组NWP与深度学习的风电功率预测
本文中提出了基于堆叠自动编码机(SDAE)的风电功率预测方法,建立了多组数值天气预报(NWP)为输入、多台机组功率为输出的深度学习模型.一方面改变了传统预测模型一对一映射的学习结构,增加了预测模型的输入信息,可以实现对大规模风电场或复杂地形风电场中流场相关性与机组出力相关性的描述;另一方面采用深度学习算法提升了传统预测算法对大数据特征的学习能力.以中国北方某风电场运行数据为例进行算例分析.结果表明:对比多种常规建模方式和主流算法,该模型均方根误差最小(15.4％),与实测功率的相关性为81.4％,具备对功率波动较强的追踪能力.
电力系统 风电功率 深度学习模型 堆叠自动编码机
阎洁 张浩 刘永前 韩爽 胡菊
华北电力大学,北京市昌平区回龙观北农路2号 102206 中国电力科学研究院,北京市海淀区小营东路15号 100192
国内会议
南京
中文
1-9
2016-11-15（万方平台首次上网日期，不代表论文的发表时间）