王朋 孫永輝 翟蘇巍 候棟宸 王森

摘要：隨著大規(guī)模的風電并網(wǎng)，風電所具有的間歇性與隨機性對電力系統(tǒng)的穩(wěn)定性產(chǎn)生了很大的影響，風電功率預(yù)測成為當前解決該問題重要的方式之一.本文利用長短期記憶（LSTM）網(wǎng)絡(luò)良好的時序記憶特性，將小波分解技術(shù)與LSTM深度網(wǎng)絡(luò)結(jié)合，提出基于小波長短期記憶網(wǎng)絡(luò)的風電功率超短期概率預(yù)測模型.首先通過小波分解技術(shù)將原始時間序列進行平穩(wěn)化處理，再建立各子序列樣本的LSTM網(wǎng)絡(luò)預(yù)測模型，借助最大似然估計法估計預(yù)測誤差的高斯分布函數(shù)，最終實現(xiàn)對未來4 h時刻的風電功率概率區(qū)間預(yù)測.最后，采用中國東北某風電場數(shù)據(jù)對所提方法進行算例分析，結(jié)果表明，將小波分解與深度學習方法結(jié)合可以較好地提高預(yù)測的精度，提高概率預(yù)測的區(qū)間可靠性.

關(guān)鍵詞：小波分解;長短期記憶網(wǎng)絡(luò);風電功率;概率預(yù)測