一种用于风速预测的新型相关性优化深度学习方法
机器学习
2023-06-21 v2 人工智能
系统与控制
系统与控制
最优化与控制
摘要
风电装机率的不断增长给全球电力系统带来巨大挑战。为保障电力系统可靠运行，有必要准确预测风电机组的风速与功率。目前深度学习正逐步应用于风速预测，然而由于模型可解释性与硬件限制，近期深度学习方法在实际应用中仍显窘境。为此，本文提出一种新颖的基于深度知识的学习方法。该方法混合预训练方法与自编码器结构，以改善深度知识学习框架的数据表示与建模。为形成知识及相应吸收器，原始数据经基于相关性的优化模型预处理，构建由序列到序列（Seq2Seq）模型吸收的多层网络（知识）。具体而言，设计了新的认知与记忆单元（CMU）以增强传统深度学习框架。最后，通过来自中国辽宁某风场的三个风预测案例验证了所提方法的有效性。实验结果表明，相较于传统LSTM方法及基于LSTM/GRU的Seq2Seq方法，所提方法在风速预测应用中提升了稳定性与训练效率。
引用
@article{arxiv.2306.01986,
title = {A Novel Correlation-optimized Deep Learning Method for Wind Speed Forecast},
author = {Yang Yang and Jin Lang and Jian Wu and Yanyan Zhang and Xiang Zhao},
journal= {arXiv preprint arXiv:2306.01986},
year = {2023}
}