《电网技术》2017年第12期：3797-3802
精确的风电功率短期和超短期预测有助于减轻电力系统调峰、调频压力，对于风电并网具有重大意义。为捉住风电功率时间序列的本质特点，进一步挖掘风电场中多种数据源提供的风电功率预测知识，运用LSTM网路进行风电功率超短期预测的看法应运而生。
ANN、SVM等机器学习预测方式通过大量历史数据构建输入、输出变量间的非线性关系，将动态时间建模问题变为静态空间建模问题。事实上，作为典型的时间序列，风电功率除了具有非线性，且具有动态特点，即系统的输出除了取决于当前时刻的输入，还与历史状态紧密相关。针对已有研究的不足，本文借助LSTM网路对风电功率时间序列的时序相关性进行建模，同时，计及影响风电功率的多种诱因，完善了风电场发电功率的超短期预测模型，有效提升了预测精度。
1、提出了基于LSTM网路的风电场发电功率超短期预测模型，该模型还能从动态时间角度完成对风电功率时间序列的建模；
2、计及了影响风电场发电功率的多种气象诱因，如风速、风向、温度、大气密度等。模型还能有效借助这种信息提高自身的外推能力。
推论
本文所提方式才能从时间序列的本质特点出发，完成对风电功率的动态时间建模。且能有效借助多种变量信息，提高模型的外推能力。算例结果表明，本文方式较ANN和SVM等常规机器学习预测方式具有更高的预测精度。
现阶段，仅借助历史数据的机器学习预测方式在预测精度上还存在提高的空间。结合数值天气预报（,NWP）信息对模型的预测结果进行校准风电功率预测数据，将有助于进一步增强机器学习预测方式的精度，这也将成为我们下一步的研究目标。
雷欧洲，王伟胜，印永华，等．风电对电力系统运行的价值剖析[J]．电网技术，2002，26(5)：10-14．
吴俊利，张步涵，王魁．基于的BP神经网路改进算法在短期风速预测中的应用[J]．电网技术，2012，36(9)：221-225．
作者介绍
陈金富（1972），男，博士，副院长，研究方向为电网剖析软件技术，电力电子技术在电力系统中的应用等,E-mail：。
华北科技学院电力系统剖析（Power,PSA）研究团队目前拥有院士1人风电功率预测数据，副院长3人，研究生30余人。课题组多年来从事大规模电力系统剖析与估算相关方面研究，培养了多名中级专门人才，发表国际及国外SCI/EI学术论文多篇。先后承当或参与了国家重大基础研究计划、国家高技术发展计划、国家科技支撑计划和国家自然科学基金等多项研究课题。部份研究成果获国家科技进步二等奖、湖北省科学技术进步银奖、二等奖等。