关键词:
长短期记忆网络
风电功率预测
多机组
粒子群优化算法
特征选择
摘要:
目前,风电功率预测所使用的模型想要达到预测效果,需要对模型选择合适的超参数,但手动调参数时间成本大、可信度较低。基于此,提出了一种基于长短期记忆网络(LSTM)的多机组风电功率预测方法。首先,采用斯皮尔曼相关系数法对数据进行量化分析;其次,运用主成分分析对输入特征进行降维,提取关键信息。除此之外,针对LSTM调参困难这一问题,采用粒子群算法对LSTM每层隐含层神经元的个数进行优化。对于多机组的风电功率预测问题,以单机组为切入点,找出单机组中表现最为优异的模型,将该预测模型应用至多机组预测。实验结果表明:与其他模型相比,所提方法均方根误差下降了11.8%,平均绝对误差下降了5.03%。