来源：期刊VIP网 时间：
作者：周建新;王鸿滔;
单位：华北理工大学电气工程系;
摘要：为提高风电功率预测精度，以满足并网后电网调度的高精度要求，首先采用Spearman相关系数法，选取70 m高度处风速作为风速输入特征；然后将日特征相似度与形状相似度相结合以选取相似日，进而利用改进粒子群算法优化网络超参数；最后对比分析所提模型与反向传播神经网络（BP）、极限学习机（ELM）、长短期记忆神经网络（LSTM）、改进PSO-LSTM模型的预测精度。结果表明：所提模型的均方根误差相较对比模型分别降低了50、56.46、26.84、19.03，平均绝对百分比误差分别降低了48.75%、43.94%、21.55%、15.30%，验证了本文所提预测方法的有效性。
关键词：风功率预测;;长短期记忆神经网络;;粒子群算法;;相似日理论
基金资助：河北省自然科学基金资助项目（F2018209201）
