来源:《中国电机工程学报》2019年第07期  作者:陈金富;朱乔木;石东源;李银红;ZHU Lin;段献忠;LIU Yilu;
选择字号

利用时空相关性的多位置多步风速预测模型

收藏本文  分享

兼顾时、空相关性的风速预测意义重大也极具挑战。围绕多位置、多步风速预测问题展开研究,从风速时空序列的本质出发,提出了一种"先提取空间特征,后捕捉时间依赖"的两阶段建模思路。构造了一个利用时空相关性的风速预测模型——深层时空网络(deep spatio-temporal network,DSTN)。该模型由卷积神经网络(convolutional neural network, CNN)和双向门控循环单元(bidirectional gated recurrent unit,BGRU)共同构成,并通过"端对端"的方式进行训练,具备"序列到序列"的预测能力。首先,DSTN利用底层的CNN从空间风速矩阵中提取空间特征。然后,利用BGRU捕捉来自连续时间断面的空间特征之间的时间依赖关系,进而实现对时空序列的预测。此外,还定义了针对多位置风速预测的误差指标,用以描述预测模型的总体平均性能和个体误差控制能力。以美国加利福尼亚州某风电场实测数据为算例进行分析,结果表明,DSTN能够有效利用时空相关性进行风速预测,其预测性能优于多种现有预测模型。(本文共计14页)......[继续阅读本文]

下载阅读本文订阅本刊

图书推荐

    相关文章推荐

    看看这些杂志对你有没有帮助...

    更多杂志>>