公开(公告)号：CN109214566B

公开(公告)日：2021-02-26

申请号：CN201811005283.3

申请日：2018-08-30

Applicant: 华北水利水电大学

Inventor： 张晋华 ,  程鹏 ,  黄慧 ,  李茂茗

IPC: G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种基于长短期记忆网络的风电功率短期预测方法，包括长短期记忆神经网络训练算法、短期风电预测误差分布算法和风电机组发电功率短期预测模型设计。本发明从深度学习网络出发，建立基于长短期记忆网络算法(LSTM)风电功率预测模型，以高斯混合模型(GMM)分析短期风电功率预测的误差分布特点。本发明通过GMM模型可以得到二台机组不同的置信区间。证明了LSTM方法具有更高的精确度和更快的收敛速度，GMM方法对于风电调度具有实际应用价值。

公开(公告)号：CN109214566A

公开(公告)日：2019-01-15

申请号：CN201811005283.3

申请日：2018-08-30

Applicant: 华北水利水电大学

Inventor： 张晋华 ,  程鹏 ,  黄慧 ,  李茂茗

IPC: G06Q10/04 ,  G06Q50/06

CPC classification number: G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种基于长短期记忆网络的风电功率短期预测方法，包括长短期记忆神经网络训练算法、短期风电预测误差分布算法和风电机组发电功率短期预测模型设计。本发明从深度学习网络出发，建立基于长短期记忆网络算法(LSTM)风电功率预测模型，以高斯混合模型(GMM)分析短期风电功率预测的误差分布特点。本发明通过GMM模型可以得到二台机组不同的置信区间。证明了LSTM方法具有更高的精确度和更快的收敛速度，GMM方法对于风电调度具有实际应用价值。