-
题名基于多方面特征提取和迁移学习的风速预测
被引量：7
- 1
-
-
作者
梁涛
陈春宇
谭建鑫
井延伟
-
机构
河北工业大学人工智能与数据科学学院
河北建设能源投资股份有限公司
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2023年第4期132-139,共8页
-
基金
河北省科技支撑计划(19210108D,19214501D,20314501D,F2021202022)。
-
文摘
为满足风电场远程集控中心高效、低成本预测不同地理位置风电场风速的要求,结合“离线训练,在线预测”的思想,提出一种基于多方面特征提取和迁移学习的多变量风速预测模型。离线模型融合双通道卷积神经网络和双向长短时记忆神经网络捕捉风速信息,学习各典型位置风电场的风速特性,然后迁移至任意风电场实现快速在线预测,通过改进的多目标蝗虫优化算法集成各典型风电场预测结果,进一步提高预测精度。最后通过河北一集控中心验证表明,该文所提模型的适应性与准确性均优于其他基线模型。
-
关键词
风能
风速预测
特征提取
卷积神经网络
双向长短时记忆神经网络
迁移学习
多目标蝗虫优化算法
-
Keywords
wind energy
wind speed prediction
feature extraction
convolutional neural network
bi-directional long short-term memory network
transfer learning
multi-objective grasshopper optimization algorithm
-
分类号
TK89
[动力工程及工程热物理—流体机械及工程]
TM614
[电气工程—电力系统及自动化]
-
-
题名基于ARMA误差修正的LM-BP模型的风功率预测
被引量：8
- 2
-
-
作者
梁涛
杨改文
姜文
李永强
-
机构
河北工业大学人工智能与数据科学学院
河北建设能源投资股份有限公司
-
出处
《高技术通讯》
EI
CAS
北大核心
2019年第5期487-493,共7页
-
基金
河北省科技计划(16214510D
17214304D)
石家庄科技局重点研发(181060481A)资助项目
-
文摘
风的间歇性和波动性导致训练样本的多样性,为提高短期风电功率预测精度,保证电网正常运行以及电能质量,对风功率进行建模预测尤为紧迫。针对上述问题,首先对原始数据进行预处理将非正常数据剔除。其次,运用Levenberg-Marquardt(LM)改进的牛顿算法优化反向传播(BP)神经网络(LM-BP)构建预测模型,并与传统的前馈BP神经网络进行比较,仿真结果表明,提出的基于LM-BP的预测模型相比单一的BP模型更加接近实际功率值,性能更优。最后,针对LM-BP模型的预测误差建立自回归滑动平均(ARMA)模型来修正负荷预测结果,结果表明误差修正后预测精度明显提高。
-
关键词
风功率预测
Levenberg-Marquardt(LM)
反向传播(BP)神经网络
自回归滑动平均(ARMA)误差修正
-
Keywords
wind power forecasting
Levenberg-Marquardt (LM)
backpropagation (BP) neural network
auto regressive moving average(ARMA) error correction
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TM614
[电气工程—电力系统及自动化]
-
