论文部分内容阅读
目前，准确的风速预测是解决大规模风电安全高效并网的关键基础问题之一。本文将深度学习理论引入风速预报的回归问题研究，基于堆栈降噪自动编码器建立了多个具有不同隐含层数的混合型深信度网络回归模型，并利用风电场的实测风速数据进行四组不同季节风速日前预测实验，包括相同隐含层模型在不同训练测试上的对比实验和不同隐含层模型在同一测试集上的对比实验。实验结果表明：相同隐含层模型在4个测试集上的回归误差（MSE和MAE）随着预报步长的变化都相对比较平稳、波动性不大，即深信度网络模型的鲁棒性较好对数据集的敏感性不强；预报误差