基于改进深度ResBiLSTM的短期风电功率预测

摘要

为克服风电功率预测的大波动性和不确定性,提高电力系统运行的可靠性和稳定性,利用双向长短期记忆网络(BiLSTM)可显著降低时间序列预测误差的优势,进一步构建优化的深度网络来提升预测精度。通过融合网络方法,串联堆叠的深度残差网络(ResBiLSTM)和各级子网络,充分利用多级网络特征提取优势。基于互信息熵(MIE)方法区分各气象变量与风电功率关系的重要性程度,依此构建风电功率特征输入,并将特征输入时序数据送入改进的深度Res Bi LSTM进行训练。以ERCOT风电厂数据为基础,通过与Bi LSTM以及CNN对比验证,所提方法预测更准确。