典型文献
基于长短期记忆神经网络的风速超短期快速滚动预报技术
文献摘要：
利用甘肃省某风电场2017-2020年测风数据,基于长短期记忆神经网络(LSTM)模型,通过评估不同输入数据和模型时间窗口长度下的预报精度,设计一套适用于风电场的风速超短期快速滚动预报方案.结果表明:通过输入不同的特征变量,在风速的超短期(未来4 h内)预报中,风速自身变化起主导作用,模型输入变量中只加入各高度层的风速能得到更好的模拟效果.通过评估LSTM模拟时间窗口长度L对模拟效果的影响,当时间窗口长度L≤24 h时,模拟效果较好,说明超短期风速变化主要和风速自身临近时刻的变化有关;当L＞24 h时,模拟效果快速下降,说明过长的L会削弱模拟能力,降低模拟精度.通过分析LSTM在未来4 h内的风速模拟能力,发现随着预报时长的增加,模拟精度逐步下降,但在未来2 h内的风速均方根误差RMSE均小于2 m·s-1,结果较为理想,且该方法对计算资源要求不高,经济实用性强,在业务中具有较高的应用潜力.
文献关键词：
风速预测;长短期记忆神经网络;预报模型;风力发电;时间序列
中图分类号：
作者姓名：
方楠;姜舒婕;闫晓敏;阮小建;马辛宇
作者机构：
浙江省预警信息发布中心,杭州310052;浙江省人工影响天气中心,杭州310052;甘肃省气象服务中心,兰州730020;浙江省气象服务中心,杭州310052
文献出处：
引用格式：
[1]方楠;姜舒婕;闫晓敏;阮小建;马辛宇-.基于长短期记忆神经网络的风速超短期快速滚动预报技术)[J].气象科技,2022(06):842-850
A类：
B类：
长短期记忆神经网络,超短期,滚动预报,预报技术,风电场,测风数据,输入数据,时间窗口,窗口长度,预报精度,预报方案,特征变量,模型输入,高度层,风速变化,身临,快速下降,模拟能力,模拟精度,风速模拟,报时,RMSE,较为理想,计算资源,经济实用性,在业,风速预测,预报模型,风力发电
AB值：
0.312684
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
