王朋 孫永輝 翟蘇巍 候棟宸 王森

摘要：隨著大規(guī)模的風(fēng)電并網(wǎng)，風(fēng)電所具有的間歇性與隨機(jī)性對(duì)電力系統(tǒng)的穩(wěn)定性產(chǎn)生了很大的影響，風(fēng)電功率預(yù)測(cè)成為當(dāng)前解決該問(wèn)題重要的方式之一.本文利用長(zhǎng)短期記憶（LSTM）網(wǎng)絡(luò)良好的時(shí)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(zhǎng)短期記憶網(wǎng)絡(luò)的風(fēng)電功率超短期概率預(yù)測(cè)模型.首先通過(guò)小波分解技術(shù)將原始時(shí)間序列進(jìn)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(cè)模型，借助最大似然估計(jì)法估計(jì)預(yù)測(cè)誤差的高斯分布函數(shù)，最終實(shí)現(xiàn)對(duì)未來(lái)4 h時(shí)刻的風(fēng)電功率概率區(qū)間預(yù)測(cè).最后，采用中國(guó)東北某風(fēng)電場(chǎng)數(shù)據(jù)對(duì)所提方法進(jìn)行算例分析，結(jié)果表明，將小波分解與深度學(xué)習(xí)方法結(jié)合可以較好地提高預(yù)測(cè)的精度，提高概率預(yù)測(cè)的區(qū)間可靠性.

關(guān)鍵詞：小波分解;長(zhǎng)短期記憶網(wǎng)絡(luò);風(fēng)電功率;概率預(yù)測(cè)