10.3969/j.issn.1000-386x.2022.11.004
基于TPE-LSTM的区域超短期风电功率预测
针对目前区域超短期风电功率预测精度较低且辅助信息不足的问题,提出一种结合贝叶斯优化和长短期记忆(LSTM)神经网络的预测方法.对历史风电功率数据进行数据修复和预处理并搭建LSTM网络模型;依据贝叶斯优化中的TPE算法对模型的超参数寻优,以获得更好的预测性能;为了验证所提出的TPE-LSTM模型的泛化能力,加入同样经过TPE算法优化的其他模型与其比较,同时加入误差校正环节降低LSTM算法在预测过程中存在的预测误差.实验结果表明,以区域历史风电功率数据为训练数据,该模型能够得到较高的预测精度.
风电功率预测、贝叶斯优化、LSTM网络、TPE算法、误差校正
39
TP3;TM614(计算技术、计算机技术)
国家自然科学基金;中国矿业大学北京越崎青年学者项目
2022-12-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
25-30,111