基于网格气象数据的LLE-LSTM小水电发电功率超短期预测

考虑小水电区域内降雨量时间分布及空间分布的影响,以网格气象数据为基础,提出LLE-LSTM小水电发电功率超短期预测方法。首先利用相关性分析筛选空间上与小水电发电功率相关的网格区域,而后引入局部线性嵌入算法(LLE)对网格降雨数据进一步降维;最后将其作为输入代入到长短记忆神经网络(LSTM)训练,构建小水电发电功率的超短期预测模型。利用所提方法对湖北省某地区小水电发电功率数据进行仿真检验,结果表明该方法能够较好表征区域内降雨量空间分布对小水电发电功率的影响,且有效避免了因网格气象数据维度过高导致的过拟合问题,显著提高了小水电发电功率超短期预测精度。

基于双向LSTM的小水电发电功率超短期预测

小水电发电功率的精准预测能够为发电计划的制定提供重要依据,缓解小水电窝电弃水现象,提高清洁能源的利用率。根据小水电发电功率的“时滞性”及“累积性”等特点,提出了基于双向LSTM的小水电发电功率超短期预测模型。将小水电历史发电功率及降雨量代入双向LSTM神经网络模型进行训练及预测,得到考虑过去及未来两个方向时间序列信息的小水电发电功率超短期预测模型。实例仿真表明,该方法具备较高的预测准确率及先进性。