10.16628/j.cnki.2095-8188.2018.13.010
基于随机森林重要性的LSTM网络风电功率缺失数据补齐
针对风电场实际运行中易出现的输出功率缺失问题,在分析了影响风电功率因数的基础上,构建了一个基于随机森林(RF)重要性分析的使用长短期记忆网络补齐缺失功率的模型.首先,基于RF分析得出了各项监测数据与风电功率的两个重要性指标,然后采用加权的重要性指标组成模型的输入向量,最后利用长短期记忆网络建立了风电功率补齐模型.以具体实例研究了不同的输入向量、预测方法和缺失数据类型对于补齐风电功率效果的影响,结果证明了所提方法可在不丢失有用信息的情况下,合理利用有效信息来提高功率预测精度,具有良好的补齐效果和一定的工程实用价值.
风电功率、随机森林、长短期记忆网络、数据补齐
TM614(发电、发电厂)
河北省自然科学基金资助项目2014502015
2018-11-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
47-52,58