基于相关性分析和深度学习的风电功率短期预测研究

来源 :华东交通大学 | 被引量 : 0次 | 上传用户:majian_hunu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着化石资源的日渐枯竭及其对环境压力的日渐增大,对可再生能源进行开发与利用刻不容缓。我国的风能资源非常丰富,同时在新能源发电当中,风电占有着格外重要的地位,但是,因为风电自身的随机性、波动性及间歇性等特性,当大规模风电进行并网时,会对电网的安全稳定运行构成挑战,因此,准确预测风电功率对于电力系统调度及经济运行具有十分重要的参考意义。为此,本文围绕提高风力发电功率预测效果,主要进行了以下研究工作:在风电能源应用研究迅速发展的背景下,本文就相关性分析与深度学习理论技术在风电功率预测领域的应用进行探究。首先本文利用Spearman分析方法对影响风电功率预测因素进行分析,提出了构造分时样本数据集的数据初步处理方法,得出与风电功率相关程度高的变量,分析出与预测时刻相关程度高的多个变量,充分利用影响程度高的因素的历史数据序列。针对前馈神经网络无法利用时序信息的缺点和传统递归神经网络在实际训练中面临的问题,采用构建基于分时LSTM风电功率预测模型。通过将基于相关性分析选择输入的LSTM预测模型与单一变量输入的LSTM预测模型的预测结果对比,验证了基于相关性分析构造分时样本数据集作为模型输入的方法的有效性。LSTM网络模型虽然对于长距离时序数据具备一定的挖掘能力,可在需要处理的序列过长的情况下,会出现不稳定与梯度消失现象的不足,为此,提出一种基于CNN-LSTM网络模型的风电功率预测方法,对输入数据处理上,发挥CNN序列特征抽象能力,获取子序列特征,同时剔掉干扰信息,留存更多的有效记忆信息,处理梯度弥散的问题,提升风电功率预测效果。为检验本文所提的基于CNN-LSTM网络模型的风电功率预测方法的效果,利用我国某风电场2018年数据,基于CNN-LSTM网络模型进行风电功率预测,并与BP神经网络、LSTM网络预测结果进行对比,实验结果表明采用基于相关性分析的CNN-LSTM网络模型的整体预测效果较BP、LSTM、CNN-LSTM有较明显提高。
其他文献
随着我国社会经济的飞速发展,人们的世界观、价值观也在发生着前所未有的变化,由此引发的社会矛盾呈上升趋势。如何在国家现有不增加政法编制的大环境下,继续维护社会治安的
随着移动机器人的应用越来越广泛,机器人精准的定位与精确导航也变得越来越重要,为机器人在复杂应用场景中的作业提供了重要的保障。当前的机器人位姿估计大多依赖外感式传感
“信用既是市场经济的‘通行证’,也是促进经济转型发展的‘生产力’”。特别是在当前经济下行压力加大、社会矛盾日益复杂的情况下,推进社会信用体系建设,意义更加重大。构建完善的社会信用体系,既可以促进市场经济规范性发展,优化营商环境,又可以助推政府“放管服改革”,提升社会守信意识,可以说是一项功在当代、利在千秋的工程,必将成为未来政府工作的一项重要抓手。强化社会信用体系建设亦成为党中央和国务院一直关注的
<正>历史不能割断。中国特色社会主义深深植根于党的历史实践中,在历经革命、建设、改革基础上不断探索而最终形成和发展的。虚无、歪曲、丑化党的历史必将影响、动摇、改变
会议
随着上海市人口老龄化的进一步加速,老年人的养老服务需求持续增长,养老机构在整个养老服务体系中发挥着非常重要的作用。而当前养老机构的养老护理员队伍无论在素质上还是数
汽车的智能化趋势,逐步凸显,搭载了众多先进传感器的智能汽车,为汽车相关产业带来了新的机遇。对于车辆的平顺性问题以及乘坐的舒适性问题关心的研究则较少被发现。本文的出发点,是解决当下智能汽车研究中鲜少关心的平顺性问题,即如何保证乘坐者的舒适性。本文的研究,主要以车辆的平顺性优化作为课题背景,以服务车辆的悬架控制为目的,设计了一种基于激光雷达的智能汽车前方不平路面识别方法。通过对车辆前方路面的不断扫描,
依法行政是税收工作的生命线。改革开放以来,国家多次对于税收征管体制、依法行政、依法治税提出要求。虽然,执法风险的防控延伸至今,属于一个老生长谈的话题,不论是在税务机
如今,风力发电已成为各国促进能源结构调整的重要措施,而风电本身受自然风影响具有随机性、波动性和间歇性。当大规模风电并网运行时,传统电力系统的平衡能力受到破坏,给电力
储量丰富、清洁环保的风电在电网内得到了广泛开发和利用。大规模风机接入电网后,受风电不确定性特征的影响,电网调度运行面临巨大挑战。提高风电功率预测精度是应对上述挑战
脱氢枞酸是从歧化松香里分离出来的一种三环二萜类一元树脂酸,是一种天然的光学纯手性化合物,也是一种潜在的手性拆分剂。固定化离子液体是指将离子液体通过共价或非共价的形