基于LSTM循环神经网络的风力预测研究

摘要

传统的风力预测模型中有线性预测模型和非线性预测模型，在具有强非线性记录数据的局部风力预测中，绝大部分的非线性预测模型比线性预测模型预测准确度更高.对于短时间内风力大小是非线性、随机性和难以准确预测的特点，该文运用一种基于长短期记忆(long short-term memory neural network, LSTM)循环神经网络的短期局部风速预报技术预测风力.首先建立以LSTM神经网络为基础的短期局部风速预测模型，然后采用TensorFlow深度学习平台进行模型参数调试，在此基础上，结合华东某局部风电场的历史数据作为输入，对模型进行训练和测试.研究结果表明，LSTM循环神经网络预测风速与实际的风速吻合较好，预测效果较好，并且深层神经网络具有强大的拟合能力，在数据预测方面有很强的应用性.

关键词

短期局部风速预测 / 循环神经网络 / 长短期记忆网络 / 深度学习