大型海上风电场机组台数众多,状态各异。机组状 态、尾流影响和时空特性对风功率预测的影响不可忽略。该 文基于长短期祌经网络(long short-term memory, LSTM)-时 间卷积神经网络(temporal convolutional network, T C N),提 出了一种考虑机组状态、风机尾流和场群空间分布特性的海 上风电超短期功率预测方法。首...
风机尾流和场群空间分布特性的海上风电超短期功率预测方法.首先分析了机组状态和尾流数据对于功率预测的影响,然后基于LSTM建立了风电机组运行数据深度学习预测模型,实现机组健康状态到运行数据的映射,并通过数据的实时滚动对机组健康状态进行持续修正;在此基础上,加入注意力强化和随机空间特性弱化模块的改进LSTM-TCN模型.通过...
基于改进LSTM-TCN模型的海上风电超短期功率预测 风功率精确预测是实现大规模海上风电友好并网的重要手段.大型海上风电场机组台数众多,状态各异.机组状态,尾流影响和时空特性对风功率预测的影响不可忽略.该文基于长短... 符杨,任子旭,魏书荣,... - 《中国电机工程学报》 被引量: 0发表: 2022年 基于IDSCNN-AM-...