基于深度遷移模型的短期風(fēng)速預(yù)測.pdf

1、基于深度遷移模型的短期風(fēng)速預(yù)測Short—TermWindSpeedPredictionBasedonDeepTransferModels學(xué)科專業(yè)：讓篡擔(dān)抖堂皇籩苤作者姓名：毖邊佳指導(dǎo)教師：胡渲坐塾握天津大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院二零一五年十二月摘要由于傳統(tǒng)能源的消耗和環(huán)境的惡化，清潔的可再生能源目前在全球范圍內(nèi)被廣泛應(yīng)用。風(fēng)能具有無污染、低成本、大規(guī)模等優(yōu)勢(shì)，使其成為一種重要的能源。然而，作為影響風(fēng)力發(fā)電最重要的因素，風(fēng)速具有不確定、不

2、穩(wěn)定的特性，對(duì)其準(zhǔn)確的預(yù)測在電力的分配、調(diào)度和風(fēng)能轉(zhuǎn)換系統(tǒng)的規(guī)劃、維護(hù)中都有重要的意義。對(duì)于一些新建立的風(fēng)電場或風(fēng)機(jī)，歷史數(shù)據(jù)不足使得其無法建立一個(gè)準(zhǔn)確的模型。而對(duì)于那些建立很久的風(fēng)電場或風(fēng)機(jī)，它們擁有長期的風(fēng)速記錄。因此，可考慮是否可以用其他風(fēng)電場或風(fēng)機(jī)的數(shù)據(jù)幫助研究目標(biāo)建立模型。本文我們提出利用遷移學(xué)習(xí)來解決新建風(fēng)電場或風(fēng)機(jī)的短期風(fēng)速預(yù)測問題。主要研究成果和創(chuàng)新點(diǎn)具體體現(xiàn)在以下幾個(gè)方面：1提出一種新的風(fēng)速預(yù)測研究課題，針對(duì)預(yù)測對(duì)象數(shù)

3、據(jù)量不足的問題，從數(shù)據(jù)量充足的源域遷移知識(shí)到數(shù)據(jù)量匱乏的目標(biāo)域，從而幫助目標(biāo)域更好地建立模型。2分析風(fēng)速變化特性，對(duì)不同時(shí)間段的風(fēng)速進(jìn)行統(tǒng)計(jì)分析。利用相關(guān)性分析，對(duì)不同對(duì)象的風(fēng)速序列進(jìn)行相關(guān)系數(shù)的計(jì)算，進(jìn)而選擇變化模式較相近的遷移對(duì)象。3提出一種共享隱層的深度神經(jīng)網(wǎng)絡(luò)遷移模型，利用深度神經(jīng)網(wǎng)絡(luò)的共享隱層提取源域和目標(biāo)域風(fēng)速數(shù)據(jù)的共享特征信息，之后對(duì)于不同的領(lǐng)域建立相互獨(dú)立的輸出層，從而對(duì)自身風(fēng)速模式變化進(jìn)行更好的學(xué)習(xí)。4提出一種考慮時(shí)間

4、特性的深度遞歸神經(jīng)網(wǎng)絡(luò)遷移模型，利用低層的共享深度神經(jīng)網(wǎng)絡(luò)提取源域和目標(biāo)域風(fēng)速數(shù)據(jù)的高級(jí)抽象特征，將不同的領(lǐng)域變換的特征輸入到高層對(duì)應(yīng)該域的遞歸神經(jīng)網(wǎng)絡(luò)模型中，結(jié)合了深度神經(jīng)網(wǎng)絡(luò)的特征選擇能力和遞歸神經(jīng)網(wǎng)絡(luò)考慮時(shí)間特性的優(yōu)勢(shì)。將提出的兩種遷移模型應(yīng)用于少數(shù)據(jù)目標(biāo)域的風(fēng)速預(yù)測中，相比其他的方法取得了較好的效果。而這兩種方法比較，考慮時(shí)間特性的后一種模型比前一種模型效果好一點(diǎn)。另外還從實(shí)驗(yàn)中得出，隨著目標(biāo)域的數(shù)據(jù)量逐漸增加，遷移的重要性有所