基于LSTM循环神经网络的风力发电预测

来源 :可再生能源 | 被引量 : 0次 | 上传用户:hzm_jjc
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
大规模风电接入电力系统会造成系统频率波动,利用不同高度的风速、风向的余弦值、温度、湿度、气压对风力发电数据进行准确预测,有利于制定合理的调度计划,降低风电对电力系统的影响。文章基于AGC自动发电控制的要求,选取每15 min为一个数据采集点,构建大数据集,建立了基于LSTM结构的循环神经网络超短期风力发电预测模型,并每15 min根据最新实际采集数据更新数据集,实现了预测网络的滚动更新。最后通过某风电场的实际数据进行验证,结果表明,该算法预测精度高,对超短期风力发电预测有良好的适用性。
其他文献
对6000m^3/h制氧机因空冷塔结垢,引起分子筛进水事故的原因作了分析,介绍了处理方法和防范措施。
本文作者针对目前流行的虚拟化应用,通过自身对虚拟化实际运用与理解,从硬件需求、应用分析、系统安全等方面详细阐述了虚拟化容易产生的几个误区,并提出了可实施的解决方案,
运输部是莱钢集团有限公司直属单位、股份公司业务代管单位,主要担负着莱钢大宗原材物料输入、产品输出、铁水调送以及各生产工序间的衔接运输,是莱钢生产建设的“桥梁”和“纽
针对传统风机叶片缺陷检测采用人工的方法效率低、精度差的问题,提出了一种基于改进Mask RCNN的风机叶片缺陷检测方法。该方法首先使用ResNet-50结合FPN网络生成特征图,然后输入到RPN网络中筛选出ROI,通过ROIAlign固定特征图尺寸输入到预测网络中,对类型、边界框、掩膜进行预测。另外,文章构建了一个风机叶片缺陷掩膜数据集用于模型的训练。通过测试集验证并与Mask R-CNN,Fas
由工业和信息化部、辽宁省人民政府主办,沈阳市人民政府、中国中小企业国际合作协会、辽宁省中小企业厅共同承办的“中国(沈阳)国际中小企业大会”于2009年10月15日-17日在沈阳
1品牌建设的意义和现状1.1品牌建设的重要意义名牌不仅是一个企业经济实力和市场信誉的重要标志,拥有名牌的多少,还是一个国家经济实力的象征,是一个民族整体素质的体现。
在以精轧大修改造为主的半连轧工艺改造中,对精轧机列进行了优化设计,消除了原红圈轧机的不足,取得了良好的效果。
运用VRTS分析法对运动员赛前高原训练的可行性进行研究,为不同类群项目运动员赛前高原训练的个性化选择提供理论支持。价值方面,我国丰富的地理地貌可以为运动员提供多梯度不
高载能负荷是消纳受阻风电的有效途径,在消纳能力约束下,考虑其经济收益成为消纳受阻风电的关键。文章首先考虑风电预测误差对高载能企业收益造成的影响,提出了基于预测控制
通过设计修改和采取较合理的制造工艺和方法,对脱水器本体进行结构优化,减小了制作难度,生产出了用户满意的合格产品。