| 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 |
| |
| 引用本文： | 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,2022,50(6):842-850. |
| |
| 作者姓名： | 方楠 姜舒婕 闫晓敏 阮小建 马辛宇 |
| |
| 作者单位： | 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 |
| |
| 基金项目： | 浙江省气象科技青年项目（2021QN07）、甘肃省气象局科研项目（Ms2022 22）共同资助 |
| |
| 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〖DK〗·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。
|
| 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 |
| 收稿时间： | 2022/2/18 0:00:00 |
| 修稿时间： | 2022/7/8 0:00:00 |
Research on Ultra Short-Term Fast Rolling Prediction Technology of Wind Speed Based on LSTM Neural Network |
| |
| FANG Nan,JIANG Shujie,YAN Xiaomin,RUAN Xiaojian,MA Xinyu.Research on Ultra Short-Term Fast Rolling Prediction Technology of Wind Speed Based on LSTM Neural Network[J].Meteorological Science and Technology,2022,50(6):842-850. |
| |
| Authors: | FANG Nan JIANG Shujie YAN Xiaomin RUAN Xiaojian MA Xinyu |
| |
| Institution: | Early Warning Center in Zhejiang, Hangzhou 310052;Weather Modification Center in Zhejiang, Hangzhou 310052;Gansu Provincial Meteorological Service Center, Lanzhou 730020;Zhejiang Provincial Meteorological Service Center, Hangzhou 310052 |
| |
| Abstract: | |
| |
| Keywords: | wind speed forecast Long Short Term Memory (LSTM) neural network simulation model wind power generation time series |
|
| 点击此处可从《气象科技》浏览原始摘要信息 |
| 点击此处可从《气象科技》下载免费的PDF全文 |
