计及频率分析的风电场短期功率预测

摘要

准确的风电场功率预测对评估风电场运行状态、风电场运营维护以及保证电力系统的安全稳定可靠运行具有重要意义.为提高风电场短期功率预测精度,提出了一种基于小波变换和长短期记忆(Long Short-Term Memory,LSTM)神经网络的风电场短期功率预测方法.首先,运用小波理论对功率数据进行多分辨率分解以详细分析多频域尺度层次上的信息,把分解后的子序列分别重构,使得子序列尺度与原序列均一致.然后,分别对子序列建立LSTM神经网络预测模型,最终预测结果为包含不同信息的所有子模型的叠加值,结合某风场的实际运行数据进行多时间尺度的功率预测.实验证明,所提方法相比于LSTM和ELMAN预测方法具有更高的预测精度,验证了所提方法的有效性.