基于数据驱动和深度学习的超短期风电功率预测OA北大核心CSCD
Data-driven and Deep-learning-based Ultra-short-term Wind Power Prediction
从多源、多维、多模态的风电数据中挖掘风能、风电的因果关联,以及多风电场间的时空关联,是提高风电功率预测精度的有效途径.文中提出了一种基于数据驱动的混合深度学习模型.首先,在数据预处理环节,将风电场满功率输出、风速溢出的场景,视为风电功率预测的异常、故障状态,并提出数据清洗方法以加强风速和风电的相关性.然后,针对气象信息与风电的因果关联,设计多通道卷积挖掘其耦合关系;针对相邻风电场间的时空关联,设计多尺度卷积挖掘不同时空尺度下的风电特征,并通过1×…查看全部>>
苗长新;李昊;王霞;韩丽;马也;李衡
中国矿业大学电气与动力工程学院,江苏省徐州市 221116中国矿业大学电气与动力工程学院,江苏省徐州市 221116中国矿业大学电气与动力工程学院,江苏省徐州市 221116中国矿业大学电气与动力工程学院,江苏省徐州市 221116中国矿业大学电气与动力工程学院,江苏省徐州市 221116中国矿业大学电气与动力工程学院,江苏省徐州市 221116
数据驱动深度学习风电功率预测时空关联多尺度卷积
《电力系统自动化》 2021 (14)
基于特征值的风电功率预测实时误差评估及使用研究
22-29,8
国家自然科学基金资助项目(61703404).
评论