-
题名基于改进BNN-LSTM的风电功率概率预测
被引量：1
- 1
-
-
作者
李昱
-
机构
杭州和利时自动化有限公司
-
出处
《微型电脑应用》
2024年第3期206-209,共4页
-
文摘
针对确定性的风电功率预测难以提供预测结果的波动区间和支撑风险决策的问题,以贝叶斯网络为基础,通过将先验分布置于LSTM网络层权重参数之上,构建了贝叶斯LSTM神经网络(BNN-LSTM)。以时间卷积神经网络(TCNN)处理风电功率预测的历史时序数据,提取时序数据的关联特征。使用互信息熵方法分析了风电功率的气象数据集,剔除关联性小的变量,对气象数据集进行降维处理。并采用嵌入(embedding)结构学习风电功率时间分类特征。随后将TCNN处理后的时序数据、降维后的气象数据以及时间分类特征数据一起送入BNN-LSTM预测模型,通过在某风电数据集不同算法的概率预测指标pinball损失和Winkler评分的对比验证,可知,本文所提方法能从可对风电功率波动做出较为准确的响应,预测效果更好。
-
关键词
贝叶斯神经网络
bnn-lstm
时间卷积神经网络
风电功率
互信息熵
概率预测
-
Keywords
Bayesian neural network
bnn-lstm
temporal convolutional neural network(TCNN)
wind power
mutual information entropy
probabilistic prediction
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
